Реферат Теория экономического прогнозирования

Работа добавлена на сайт bukvasha.net: 2015-10-28

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Имя

Выберите тип работы:

Принимаю Политику конфиденциальности

Скидка 25% при заказе до 26.12.2024

Министерство образования Российской Федерации Тюменский государственный нефтегазовый университет

В.Г.НАНИВСКАЯ, И.В.АНДРОНОВА

ТЕОРИЯ ЭКОНОМИЧЕСКОГО
ПРОГНОЗИРОВАНИЯ
Учебное пособие для студентов специальностей
06.08.00 «Экономика и управление на предприятиях» и 06.11.00
«Менеджмент»

Тюмень 2000

Нанивская В.Г., Андронова И.В. Теория экономического прогнозирования: Учебное пособие. - Тюмень: ТюмГНГУ, 2000. — 98 с.

Излагаются теоретические и методические вопросы экономического прогнозирования: системный подход к прогнозированию с учетом особенностей переходного периода; методы прогнозирования и условия их применения; методология разработки экономических прогнозов; информационные и организационные аспекты прогнозирования.

Предназначено для студентов специальности 06.08.00 «Экономика и управление на предприятиях» в качестве учебного пособия по курсу «Социальное и экономическое прогнозирование», а также специальности 06.11.00 «Менеджмент» по курсу «Разработка управленческого решения».

Для студентов экономических специальностей, аспирантов, научных работников, практиков, занятых в различных отраслях народного хозяйства.

Рецензенты: А.Н.Янин, заместитель председателя Комитета по экономике и финансам Администрации Тюменской области, кандидат экономических наук; Р.Я.Кучумов, зав. кафедрой прикладной математики Тюменского государственного нефтегазового университета, доктор технических наук, профессор.

ISPN 5-88465-265-8

Тюменский государственный

нефтегазовый университет.2000

ВВЕДЕНИЕ

Формирование рыночных механизмов в России в последнее время связано с целым рядом трудностей. Меняются организационные формы функционирования предприятий различных отраслей, усложняются экономические и социальные связи и отношения. Поэтому в деятельности менеджеров упор приходится делать не на стандартные решения, а на способность достаточно оперативно и правильно изменять хозяйственную ситуацию и искать подход, являющийся оптимальным в конкретных условиях.

Основой для такого подхода в принятии управленческих решений является экономическое прогнозирование, призванное выявить общие перспективы и эволюции, тенденции организационно-структурного развития, обеспечить сбалансированность краткосрочных и долгосрочных программ. При этом важно суметь обнаружить всю совокупность факторов и причин, определяющих функционирование и развитие исследуемой хозяйственной структуры.

Трансформация системы экономического прогнозирования является одним из важных элементов преобразований, способствующих нормальному функционированию предприятий в изменяющихся организационно-экономических условиях. Она должна быть направлена на коренные преобразования в прогностике, заключающиеся в развитии способностей решения самых разнообразных задач управления в условиях неустойчивости внешней среды с помощью адекватного инструментария, требующего обоснования и установления сферы его использования.

Однако в условиях усложнения объектов прогнозирования и динамичности внешней среды разработка такого инструментария практически невозможна без освоения теоретических основ прогнозирования, которое, принимая в переходный период беспрецедентные масштабы, является первоосновой всех процессов управления.

В учебном пособии рассматриваются в системном изложении вопросы целевого экономического прогнозирования, исходя из стратегических установок организационно-производственных объектов (включая сложные хозяйственные структуры).

При подготовке пособия авторами были использованы и обобщены исследования крупнейших футурологов, как России, так и зарубежных стран: И.Бестужева-Лады, Е.М.Четыркина, Б.Г.Рябушкина, Г.Тейла, К.Д.Льюиса, Л.В.Канторовича, М.Д.Кендэла, А.Т.Гринберга и многих других.

Некоторые вопросы, изложенные в пособии, ориентированы не только на потребности учебного процесса, но и на практикующих специалистов, желающих овладеть методами разработки экономических прогнозов.

1. НАУЧНЫЕ ОСНОВЫ ЭКОНОМИЧЕСКОГО
ПРОГНОЗИРОВАНИЯ

1.1. Цели, задачи и виды прогнозов

В условиях социально-экономических преобразований, свойственных переходной экономике, значительно усложняется процесс управления хозяйственными структурами. Это связано как с расширением их прав и обязанностей, так и с необходимостью более гибкой адаптации в окружающей среде. Возникают новые цели и задачи, изменяются формы собственности предприятий, налаживаются новые хозяйственные связи, формируются рыночные механизмы управления. Все появляющиеся в связи с этим проблемы невозможно решить без профессионального менеджмента, который носит характер непрерывного процесса через реализацию функций управления.

Особую роль в современном менеджменте играет стратегическое управление, включающее:

• выработку главной цели бизнеса;

• прогнозирование как предвидение результатов развития, происходящего под воздействием существующих факторов;

• перспективное планирование в качестве системы мер, необходимых для преодоления отклонения прогнозируемых итогов от установленных параметров.

Органической частью планирования является составление прогнозов, показывающих возможные направления будущего развития хозяйственной структуры, рассматриваемой в тесном взаимодействии с окружающей средой. Вся как плановая, так и практическая работа в организации связана с необходимостью прогнозирования. Каждый менеджер и специалист по планированию должен владеть основными навыками и технологией прикладного прогнозирования.

Прогнозирование- это способ научного предвидения, в котором используется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения. Результатом является прогноз, т.е. научно обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях и сроках его существования.

Прогнозирование определяет реальность и благоприятность для хозяйственной структуры поставленных перед ней целей. Разумеется, что некоторые приемы и средства прогнозирования применяются и в процессе определения целей, особенно долгосрочных, но при выборе целей и определении степени их достижения главную роль играют субъективные факторы, в то время когда прогноз опирается на объективные процессы и явления.

Прогнозирование - это система количественных и качественных предплановых изысканий, направленных на выяснение возможного будущего состояния и результатов деятельности предприятия в перспективе.

Желаемый результат
=
X

Обычно в прогнозах указывается вероятная степень отклонения от тех или иных целей в зависимости от способа будущих действий и влияния различных объективных факторов (научно-технических, природно-климатических, социально-экономических и политических ) (рис.1.1.).

= Х±У

Рис. 1.1. Вероятный целевой результат (X) и возможные отклонения (У) от желаемого результата

При проведении предплановой работы прогнозы учитывают требования плана, но при этом являются самостоятельной формой предвидения объективного процесса и возможного конечного результата реализации поставленной цели [41].

В предвидении будущего хозяйственной системы прогнозирование, с одной стороны, предшествует планированию, а с другой- является его составной частью, используется на разных стадиях осуществления деятельности по планированию:

• применяется на этапе анализа среды и определения предпосылок для формирования стратегии системы;

• осуществляется на стадии реализации планов для оценки возможных результатов и их отклонений от плановых показателей с целью организации дополнительных управляющих воздействий на систему для ликвидации отклонений [9].

Известный отечественный футуролог И. Бестужев—Лада [26] разделил прогнозирование и планирование как предсказание и предуказание.

Предсказание, к которому относится прогнозирование, предполагает описание возможных или желательных аспектов, состояний, решений, проблем будущего. Помимо прогнозирования к предсказанию относится предчувствие (описание будущего на основе эрудиции, работы подсознания и предугадывание (использует житейский опыт и знание обстоятельств). Предуказание, включающее в себя планирование и его элементы, -целеполагание, программирование, проектирование, основано на принятии решений о проблемах, выявленных на стадии предсказания, на учете всех критических аспектов будущего [41].

В качестве основных отличий прогнозирования от планирования можно назвать следующие:

• прогнозирование осуществляется в условиях с высокой долей неопределенности или случайности;

• объектом прогнозирования чаще всего являются совокупность хозяйственной системы и внешней среды;

• прогнозирование в большей степени ориентировано на исследование развития внешней среды хозяйственной системы, носит системный характер;

• прогнозирование носит информационный, консультативный характер, принятие решения необязательно, в то время когда планирование носит директивный характер;

• при прогнозировании в связи с большим периодом упреждения и неопределенностью используются более общие расчетные или экспертные нормы [9].

Таким образом, прогнозирование по своему составу шире планирования, так как включает не только показатели деятельности хозяйствующего субъекта, но и в большей степени учитывает изменяющиеся параметры внешней среды.

Основная функция прогноза — обоснование возможного состояния объекта в будущем или определение альтернативных путей.

Прогноз носит вероятностный характер, но обладает определенной достоверностью. Прогноз на практике - это предплановый документ, фиксирующий вероятную степень достижения поставленной цели в зависимости от масштаба и способа будущих действий [42].

Задачи прогнозирования связаны с тем, что прогноз, помимо анализа возможностей, является основой для разработки стратегии, планирования и управления предприятием. Прогноз должен определять:

- основные технические и организационно-экономические проблемы и сроки их решения;

- материалы, технологические процессы и оборудование, предназначенные для изготовления новой перспективной и традиционной продукции;

-ожидаемые объемы производства продукции у конкурентов и потребность в ней на рынках;

- ожидаемую себестоимость разработки и производства этой продукции;

- мощность предприятия, необходимую для разработки и изготовления новой продукции;

- потребность в трудовых ресурсах с учетом изменения их структуры, квалификации и ожидаемого роста производительности труда. Прогноз должен включать:

- краткий анализ развития прогнозируемого направления производства и характеристику его современного состояния;

- выявление перспективных технических и экономических проблем, уже решенных, но не получивших практического применения;

- оценку важности проводящихся исследований, требующих внимания и затрат для решения будущих проблем [41].

Виды прогнозов можно классифицировать по нескольким признакам:

1) По периоду упреждения (временному охвату):

- оперативные, со сроком до 3-6 месяцев от начала прогноза;

- краткосрочные прогнозы - до 1 года;

- среднесрочные прогнозы - до 5 лет;

- долгосрочные прогнозы - более 5 лет.

Как правило, чем длительней период, на который составляется прогноз, тем значительней может быть отклонение фактических данных от прогнозируемых.

В современных условиях, характеризирующихся неустойчивостью внешней среды, использование фиксированного календарного периода для разработки прогнозов часто затрудняет практическое их использование в менеджменте.

В директивной экономике в основном сложилась практика формирования текущих, кратко-, средне- и долгосрочных прогнозов-программ (соответственно на 1 год, 5, 10 и 20 лет). Главным недостатком такого подхода является то, что календарный период охватывает различные этапы, отличающиеся качественными параметрами (например, этапы жизненного цикла товара, разработки месторождений в добывающих отраслях, изменения производственной мощности и т.п.). Для обеспечения практического использования прогнозов в условиях нестабильной экономической ситуации в периоде прогнозирования следует выделять различные циклы, этапы, фазы развития прогнозируемого объекта. Продолжительность каждого конкретного цикла определяется целевыми установками менеджмента, особенностями объекта прогнозирования (сложной хозяйственной системы или ее подсистем), требованиями к оперативности принимаемых управленческих решений и т.п. При таком подходе прогнозы непосредственно, а не через календарный период, становятся связанным с реальными экономическими процессами [9].

2) В сфере управления народным хозяйством в зависимости от характерных особенностей объекта прогнозирования прогнозы условно делят на:

- социальные;

- научно-технические;

- экономические.

Экономические прогнозы можно воспринимать как всеобъемлющие, содержащие элементы как социального, так и научно-технического прогнозирования.

Задачами экономического прогнозирования являются: предвидение возможного распределения ресурсов по различным направлениям; определение нижних и верхних границ получаемых результатов; оценка максимально возможного количества ресурсов, необходимого для решения хозяйственных и научно-технических проблем и др.

В отличие от экономического научно-технический прогноз определяет вероятное натурально- вещественное состояние прогнозируемого объекта (системы).

Взаимосвязь экономического и научно-технического прогнозирования показана на рис. 1.2.

Рис. 1.2. Связь научно-технического и экономического прогнозов

Первоначально разрабатываются технические прогнозы, непосредственно связанные с объектом экономического прогнозирования, выявляются и конкретизируются потребности рынка в нововведениях, являющиеся составной частью рыночной конъюнктуры. Далее, исходя из потребностей, содержащихся в социально-экономическом заказе и механизме рынка, разрабатываются прогнозы относительно области возможных путей производства и развития самого объекта прогнозирования [42].

3) По типам прогнозирования различают:

-творческое видение, основанное на использование субъективного мнения прогнозиста, его интуиции;

-поисковое прогнозирование, базирующееся на изучении тенденций развития хозяйственной системы и продлении их в будущее.

Этот вид прогноза дает ответ на вопрос, .что вероятнее всего произойдет при условии сохранения существующих тенденций. Он может быть основой для стратегического планирования.

Поисковое прогнозирование в свою очередь может быть двух видов:

- традиционным, или экстраполятивным;

- новаторским — альтернативным.

Экстраполятивный прогноз предполагает, что экономическое развитие происходит гладко и непрерывно, поэтому прогноз, может быть простой проекцией (экстраполяцией) прошлого в будущее.

Альтернативный подход исходит из того, что внешняя и внутренняя среда подвержены постоянным изменениям, и вследствие этого:

- процесс развития происходит не только гладко и непрерывно, но и скачкообразно и прерывисто;

-существует определенное число вариантов будущего развития хозяйственной системы.

Таким образом, при альтернативном прогнозировании создаются прогнозы, включающие сочетание различных вариантов развития выбранных показателей и явлений. Данный вид прогнозирования может объединить два способа развития — гладкий и скачкообразный, создавая синтетическую картину будущего [1].

Нормативное прогнозирование исходит из общих целей и стратегических ориентиров на будущий период. При данном подходе рассматриваются только рациональные варианты прогноза, т.е. варианты поискового прогноза, которые обеспечивают попадание в требуемое конечное состояние из текущего исходного с учетом существующих ограничений на ресурсы (в том числе, время).

Сопоставление и согласование прогноза на базе указанных двух подходов способствует получению наиболее полного материала для определения политики хозяйственной системы (рис. 1.3.) [41].

4) По возможности воздействия на будущие прогнозы:

- пассивный прогноз - при отсутствии воздействий на среду;

- активный прогноз предполагает активные действия на прогнозирование будущего, реальное воздействие на внешнюю среду.

5) По степени вероятности:

- вариантные, когда имеются несколько вариантов развития системы;

- инвариантные, когда прогноз предполагает только один вариант развития. Такие прогнозы часто основываются на экстраполятивном подходе, простом продолжении сложившейся тенденции.

Потребные

ресурсы

Возможные

результаты

Маркетинговые исследования

Рис. 1.3. Согласование двух подходов к прогнозированию

6) По способу представления:

- точечный прогноз предполагает, что данный вариант имеет единственное значение прогнозируемого показателя;

-интервальный прогноз - это предсказание будущего, в котором предполагается некоторый интервал, диапазон значений прогнозируемого показателя (рис. 1.4).

Социально-экономические прогнозы традиционно разрабатываются поэтапно:

1 этап. Подготовка материалов (сбор, анализ и корректировка) по прогнозируемой проблеме.

2 этап. Разработка (и корректировка) отдельных долгосрочных, среднесрочных и текущих научно-технических и социально-экономических прогнозов:

2.1 .анализ тенденций и проблем;

2.2.разработка прогнозов в составе предполагаемой комплексной программы.

Период наблюдения Период упреждения прогноза
t

Рис. 1.4. Точечный и интервальный прогнозы

Условные обозначения:

e - точность прогноза, абсолютная погрешность;

У
t - прогнозируемый показатель
Особой сложностью обладают макроэкономические прогнозы, разрабатываемые на уровне народного хозяйства и отдельных отраслей (рис.1.5.).

Процесс прогнозирования можно разбить на несколько стадий:

• формулирование задания на разработку прогноза (предпрогнозная ориентация);

• собственно прогнозирование объекта;

• верификация (оценка достоверности прогноза).

Проиллюстрировать последовательность разработки экономического прогноза можно на примере отраслевого подхода, который включает:

• описание и анализ развития отрасли за ретроспективный и настоящий периоды, включая оценку результатов;

• прогноз основных направлений развития отрасли на основе поискового подхода;

• постановку целей и основных задач развития отрасли, прогноз основных тенденций развития на основе нормативного метода;

• выявление «разрывов» между показателями нормативного и поискового методов, разработка путей решения проблем на основе вариантов развития отрасли с, учетом ограничений внешнего и внутреннего характера;

• выбор варианта развития и подготовка исходной информации для межотраслевого баланса.

Таким образом, технология построения экономических прогнозов представляет собой сложный многошаговый процесс, который невозможно реализовать без выработки научной теоретико-методологической основы прогностических расчетов.

1.2. Системный подход к экономическому прогнозированию

Овладение системными знаниями и их практическое использование в процессе экономического прогнозирования составляет основу научного подхода к принятию управленческих решений по результатам прогнозного моделирования. Важнейшими инструментами в процессе прогнозирования являются системный анализ и системный подход.

Системный анализ - это совокупность конкретных методов и практических приемов решения различных проблем, возникающих во всех сферах целенаправленной деятельности общества на основе системного подхода и представления объекта прогнозирования в виде системы. Системный подход позволяет найти вариант решения сложных производственно-хозяйственных проблем в условиях достаточно высокой неопределенности поведения системы и неполноты знаний о ней [25].

Система - это абстракция, которая отражает системные качества, присущие предметам, явлениям и другим объектам прогнозирования. Систему можно рассматривать также как множество взаимодействующих элементов, находящихся в отношениях и связях друг с другом и составляющих целостное образование.

Процедура системного анализа в прогнозировании представляет собой профамму исследования экономической системы с целью поиска наилучшей альтернативы управления. Она включает ряд этапов:

• определение целей и задач исследования и критериев их достижения;

• определение объекта и предмета исследования;

• сбор и обработку информации;

• выявление структуры объекта, описание его свойств;

• определение целей жизнедеятельности объекта;

• построение гипотез о механизме функционирования объекта;

• исследование объекта с помощью моделей и неформальных методов, включающее уточнение целей и гипотезы о механизме функционирования объекта, корректировку моделей, определение перечня возможных альтернатив управления;

• прогнозирование последствий реализации выбранных альтернатив управления и выбор из них наиболее рациональной [37].

По причине усложнения структуры хозяйствующих субъектов в условиях переходной экономики (например, создания сложных хозяйственных корпоративных структур) достаточно проблематично провести анализ и прогнозирование развития всей системы в целом. В этом случае следует

прибегнуть к декомпозиции - разделению системы на части, и исследовать эти части как самостоятельные объекты.

Декомпозицию сложной хозяйственной структуры можно провести, выделяя входящие в ее состав подсистемы, т.е. крупные составляющие, которые по своему составу также являются сложными системами. Выделенные подсистемы должны: оказывать влияние на достижение конечных результатов системы; быть привязаны к целому с помощью определенных отношений каждой части к общественной характеристике (или характеристикам), имеющей необходимую и функциональную логическую связь с выполнением задач всей системы; быть созданы по признакам, обнаруживающим необходимую функциональную связь друг с другом и с системой в целом; объединять более мелкие подсистемы, позволяющие объяснить и понять поведение системы в целом; быть увязанными с поведением всех элементов системы через ее подсистемы для связи с внешней средой.

Процесс декомпозиции сложной хозяйственной структуры следует начинать с вычленения управляющей и управляемой подсистем. Подобная декомпозиция позволяет выделить объекты и субъекты на каждом уровне управления, причем объект одного уровня одновременно может выступать субъектом другого.

На последующих этапах декомпозиции хозяйственной структуры выделяются и структурируются организационная и функциональная компоненты, определяется структура производственного процесса и устанавливаются связи между элементами системы.

Декомпозицию можно продолжить с целью более детальной структуризации объекта. Тем самым обеспечивается декомпозиционно-синтетический подход при изучении развития сложных хозяйственных структур.

Усложнение структуры объектов прогнозирования приводит к тому, что утрачивается гибкость реакции в результате изменения параметров внешней среды. В результате затрудняется и замедляется передача информации, что не может не сказаться на скорости и своевременности принятия решений.

Из всех функций управления практически одна, а именно прогнозирование (планирование), позволяет повысить эту гибкость и свести к минимуму все негативные моменты (в частности, повысить оперативность в принятии управленческих решений на основе прогнозов). В процессе прогнозирования устанавливаются возможные направления развития предприятия в будущем на основе анализа тенденций этого развития, определяются цели, средства, а также разрабатываются методы, наиболее эффективные для управления в конкретных условиях. Прогнозирование тесно связано с другими функциями управления (рис. 1.6.).

Данный цикл является ничем иным, как движением информации, где переход от одной функции к другой есть передача потока информации, а сами функции — это обработка информации с помощью различных способов и методов; документирование; принятие функциональных решений; возникновение новой информации. При этом поток информации, идущий от таких функций, как прогнозирование (планирование), организация, мотивация, координация и регулирование, несет в себе воздействие управляющей системы на управляемую, то есть аппарата управления на производственные и функциональные подразделения предприятия. Информация, обрабатываемая на стадиях учета, контроля и анализа, дает аппарату управления сведения о результативности этих воздействий.

Информация о воздействии на работу предприятия

Приведенная модель процесса управления представляет собой идеальную конструкцию. Однако в реальной практике такая модель не всегда реализуется полностью. Некоторые функции могут не включаться в цикл управления или включаться изредка. Некоторые выполняются лишь поверхностно. Иногда функции между собой не имеют четкого разделения и реализуются параллельно.

Следует иметь в виду, что эффективность реализации функций зависит не от того, в каком объеме они выполняются, а от того, насколько оптимальным будет принято решение, основанное на результатах реализации той или иной функции, и насколько точно оно будет исполнено.

Все управленческие решения, в чем бы ни заключался их смысл, и на реализацию какой функции управления они бы ни были направлены, всегда связаны с целью приведения объекта управления в желаемое состояние. Это состояние можно оценить качественно и количественно. Для

формирования системы этих показателей первоначально необходимо четко сформулировать цель развития хозяйственной структуры.

Определение целей развития экономических объектов следует начинать уже с процесса прогнозирования (а не в ходе планирования, как это обычно делают, превращая прогнозирование лишь в метод поиска основных тенденций, в то время как оно должно являться инструментом управления и принятия решений). Первоначально необходимо сформулировать глобальную (главную, основную) цель, а затем осуществить ее декомпозицию на подцели. Декомпозиция целей во времени и пространстве в соответствии с организационной структурой предприятия образует иерархическую структуру задач, последовательное и параллельное решение которых должно обеспечить достижение цели (иерархию целей).

Глобальная цель может быть представлена как иерархическая совокупность множества взаимосогласованных и взаимодействующих целей локальных уровней. Ее можно представить в виде древовидной структуры («дерева целей») - Z.

Z={Z0,Z^k_l_,Zⁱ_k,...,Zⁱ_n}, (1.1)

где Zo - начальный момент (цель, мероприятие, ресурс);

Z
' - множество элементов на i-ом уровне (локальные цели i
-го уровня);

I - номер уровня дерева взаимосвязей;

n
- количество элементов на i-ом уровне.

Для оценки состояния хозяйственной структуры до и после осуществления прогнозирования и управленческого воздействия на его основе необходим обоснованный критерий, который выражается как некоторая функция от состояния системы. Критерий выступает в виде признака, по которому функционирование системы признается наилучшим из возможных вариантов. Для сложных хозяйственных структур, в силу их многогранности, критерий является многомерным фактором, который включает в себя в качестве компонентов параметры эффективности. К параметрам эффективности относят наиболее важные параметры системы, которые позволяют оценить качество решения проблемы и достижение поставленных целей. Ими могут выступать стоимость, доход, прибыль (убытки) и т.д. [8]. Результатом системного анализа является создание системной модели объекта прогнозирования. Модель системы позволяет лучше понять объект. При разработке прогноза желательно создать типовое представление .(абстрактную модель) изучаемого объекта, позволяющее применять при анализе и последующем прогнозном моделировании некоторого абстрактного типового аналога с унифицированным набором исходных данных и связанных с ним приемов диагностики и прогнозирования.

Типовое представление сложной структуры позволит получить минимальный набор информации об объекте и субъекте, корректно решать задачи управления ими.

В экономической литературе [8,9] типовые представления делят на два класса:

• кибернетические, абстрагирующиеся от структуры представляемого объекта (к этому классу относят модель «параметр-поле допуска»);

• некибернетические, то есть учитывающие структуру объекта.

Некибернетическое представление, в свою очередь, может быть функционально-декомпозиционным, представленным в виде контуров обслуживания, или агрегативно-декомпозиционным.

При функционально-декомпозиционном представлении, исходя из располагаемой информации, составляется функциональный портрет объекта прогнозирования, где фиксируются участие подсистем в реализации определенных функций цели системы. В состав таких портретов может включаться информация об участии подсистемы в реализации целевой функции, характеристики подсистемы с точки зрения разработки (например, производственные площади, объемы финансирования и т.п.).

Преимуществом такого представления является небольшой объем исходной информации, что позволяет проводить анализ сверхсложных систем, а также систем на начальных стадиях разработки.

Представление в виде контуров обслуживания основано на определении набора взаимосвязанных элементов, функционирование которых направлено на решение задач управления процессом в системе, при этом объект рассматривается в виде взаимосвязанной совокупности технологических процессов.

При агрегативно-декомпозиционном представлении сложная система рассматривается как агрегат, который в каждый момент времени находится в определенном состоянии, имеет входные каналы и выходные сигналы.

Агрегатное представление более наглядно и может быть рекомендовано для использования при типовом представлении объекта исследования. Схематично представление объекта прогнозирования в виде агрегата показано на рис. 1.7.

На выходе типового агрегата находится соответствующий товар с присущими ему качественными характеристиками.

Типовое представление объекта прогнозирования в дальнейшем поможет подобрать адекватный метод разработки прогноза.

Как ранее было отмечено (см. п. 1.1), процедуре прогнозирования предшествует подготовительный исследовательский этап. На этом этапе осознаются, структурируются и четко формируются цели прогноза, то есть из прогнозной среды выделяется объект прогнозирования как целостная система, фиксируется соответствующий цели аспект ее функционирования

и развития, проводится структурная декомпозиция и строится многоуровневое описание.

Внешняя среда

Вход

Выход Выход

Обратная связь

Рис. 1.7. агрегативно-декомпозиционное представление объекта прогнозирования

Условные обозначения:

1.1 - повышение качества продукции;

1.2 - ресурсосбережение на всех стадиях технологической цепочки;

1.3 - расширение рынка сбыта;

1.4 - организационно-техническое развитие производства (в т.ч. внедрение инноваций);

1.5 - социальное развитие коллектива и охрана окружающей среды;

2.1 - ресурсное обеспечение (сырье, материалы, ввод мощностей);

2.2 - информационное обеспечение;

2.3 - правовое обеспечение;

3.1 - организация процессов основного и вспомогательного производства;

3.2 — мотивация;

3.3 - регулирование;

3.4 - маркетинг;

3.5 - планирование;

3.6 - учет и контроль по центрам ответственности;

4.1 - управление персоналом;

4.2 - разработка и реализация управленческих решений;

4.3 - анализ в принятии решений;

4.4 - прогнозирование в принятии решений.
Описание исходного состояния (анализ) исследуемой системы отражает степень информированности к началу прогнозирования и содержит исходную гипотезу о механизме ее функционирования и развития.

Таким образом, на подготовительном этапе создаётся информационная (в широком смысле) база для проведения прогнозных исследований.

Процесс прогнозирования может быть представлен как некоторое операторное преобразование(П) исходной информации об исследуемом объекте в виде её отображения на будущее, ограниченное глубинной прогноза:

П : {I, tyn} →Iyn,                                                                               (1.2)

где П – оператор прогнозирования;

I – информация об исходном состоянии объекта;

tyn – период упреждения прогноза;

Iyn – результат прогноза.

Зависимость (1.2) для сложных хозяйственных систем может быть представлена в более детальном виде:

П : {I, Ц, U, tyn}→Iyn,                                                                     (1.3)

при условии, что

Ц ≤ Ц٭; U ٭≤ U ≤ U´٭; tyn ≤ tyn ; I٭ ≤ I ≤ I´٭,                              (1.4)

Где Ц – область целей системы в пространстве;

U – уровень управления в принятой декомпозиции системы;

Ц٭, U٭, U´٭, I٭, I´٭

tyn – горизонт прогноза, т.е. максимально возможный период упреждения.

Для хозяйственных многоуровневых систем оператор прогнозирования П представляет собой иерархическую структуру. Например, для трёхуровневой системы

П={Псk,{Пβjk},{Пαijk}},                                                                 (1.5)

где Псk – оператор прогнозирования высшего уровня;

{Пβjk} – множество операторов прогнозирования второго уровня;

{Пαijk} – множество операторов прогнозирования третьего уровня;

i,j,k – число параметров, описывающих систему на каждом уровне.

Таким образом, описание рассматриваемой трехуровневой системы реализуется в виде иерархии численных параметров системы и ограничений на области их области их возможных значений.

В рассматриваемой формальной постановке исходная информация о состоянии рассматриваемого объекта (I) отделена от механизма его функционирования (П). Структура этой информации может быть представлена тремя основными составляющими:

Iу - параметры состояния системы, поддающиеся целенаправленному изменению;

Iну - параметры, эволюция которых не поддается управлению, т.е. не зависит от воли людей;

Iвн - параметры внешней среды, не поддающиеся изменению в рамках рассматриваемой системы.

В результате получаем

(1.6)

I= {Iу,Iну,Iвн}.

Для прогнозных задач остаточную неопределенность будущего состояния исследуемого объекта определяют 1ну и 1вн.

Поэтому для принятия управленческих решений на основе прогноза должен быть определен перечень возможных последствий при определенных, возможных в будущем условиях 1ну и 1вн. Это означает, что принятию решения должен предшествовать выбор условий, которые, по мнению лица, принимающего решения, наиболее вероятны.

Другим источником неопределенности является неясность и неоднозначность целей функционирования и развития системы. В процессе прогнозирования цель должна быть сформулирована достаточно конкретно. Задача прогноза - определить границу области реальных (достижимых) целей в различных условиях будущего развития системы (при различных Iну и Iвн)[37].

Таким образом, прогнозирование связано с неопределенностью в оценке последствий каждого управленческого решения. Эта неопределенность связана также с тем, что за период с момента получения информации об объекте управления (хозяйственной системе) до момента исполнения управляющего воздействия на систему могут происходить:

• старение информации;

• изменение функций, структуры, параметров объекта прогнозирования;

• изменение функций, структуры, параметров внешней среды.

При разработке прогнозов следует иметь в виду, что каждое управленческое решение по своей природе является прогнозным. Эффективность принимаемых решений может быть обеспечена системным единством процессов прогнозирования и планирования, осуществляемых в определенной последовательности: «поисковый прогноз - нормативный прогноз- стратегическое планирование — бизнес-планирование - перспективное планирование - текущее планирование - оперативное планирование» [9].

Соблюдение системного единства и последовательности этапов позволяет раскрывать неопределенности, связанные с внешней средой и состоянием самого объекта прогнозирования. Игнорирование отдельных элементов данной системы может привести: к снижению точности прогнозирования-планирования и эффективности принимаемых управленческих решений; к повышению риска при принятии решений.

Таким образом, квалифицированный, профессионально подготовленный экономист-менеджер должен обладать системными знаниями о науке прогнозирования, что поможет ему при разработке обоснованных управленческих решений.

1.3. Инерционность экономических процессов как основа
экономического прогнозирования

Принципиальная возможность экономического прогнозирования основывается на закономерном (детерминированном) характере изменения различных показателей и на инерционности технико-экономических процессов [39].

Инерционность в развитии хозяйственных структур проявляется двояким образом:

• как инерционность взаимосвязей, т.е. как сохранение в основных чертах механизма формирования явления (инерционность первого рода);

• как инерционность в развитии отдельных сторон процессов, т.е. как некоторая степень сохранения их характера (темпов, направления, колеблемости основных количественных показателей) на протяжении сравнительно длинных хронологических отрезков (инерционность второго ро-да).

Степень инерционности зависит от такого фактора, как размер или масштаб изучаемой хозяйственной структуры или процесса. Если рассматривать производственную систему, то чем ниже уровень в иерархии «предприятие — отрасль - народное хозяйство», тем менее инерционными оказываются соответствующие характеристики.

Последнее обстоятельство можно объяснить тем, что влияние отдельного фактора (например, внедрение инноваций) на низовом уровне часто оказывается доминирующим. На макроуровне показатели более устойчивы, поскольку на их значение оказывает воздействие уже гораздо большее число факторов. Изменение действия ряда из них (иногда оказывающих противоположное влияние) приводит к меньшей потере инерционности, чем на микроуровне.

Опыт свидетельствует о том, что чем «моложе» изучаемая система (хозяйственная структура, экономическое явление, процесс) и, соответственно, чем меньше имелось времени для формирования более или менее

устойчивых взаимосвязей и основных тенденций в ее развитии, тем меньшей инерционностью она обладает.

Наличие инерционности не означает, что экономическая система в своем развитии будет жестко следовать уже наметившейся тенденции. Различные факторы будут в большей или меньшей степени воздействовать на систему, приводя к отклонениям от тенденции.

Прогнозирование инерционных систем осуществляется через анализ области возможного, то есть того, что возможно в будущем. Теория прогнозирования рассматривает понятие возможности как форму детерминации. Различают два типа детерминации [37]:

• внутренняя детерминация, свойственная целостным сложным системам, обладающим внутренним источником саморазвития (социальные системы);

• внешняя детерминация, предполагающая выделение устойчивых, относительно неизменных отношений, когда исследуемая система рассматривается как нечто постоянное, устойчивое. Это более простая форма детерминации.

Принцип внешней детерминации предполагает проверку изучаемой системы на устойчивость. Это означает, что не любая комбинация свойств и состояний элементов, образующих целостную социально- экономическую систему, возможна в будущем, а только та, которая образует определенную устойчивую форму, отражающую сущность этой системы.

Критерий устойчивости позволяет проводить отбор только тех вариантов будущего, которые могут реально существовать.

Для определения типа инерционности экономической системы необходимо выяснить, присутствует ли в динамических рядах технико-экономических показателей тенденция (тренд). Выяснение типа инерционности позволяет в дальнейшем подобрать адекватный метод прогнозирования (например, при инерционности первого рода это могут быть регрессионные модели, носящие стационарный характер, а при инерционности второго рода - экстаполяционные модели или авторегрессия).

Основная задача анализа временных рядов состоит в выделении детерминированной составляющей (тренда) и случайной составляющей, а также в оценке их характеристик.

В общем виде временной ряд можно представить как

yt = f (t,xt) + εt, t = 1,2,...,T, (1.7)
где у, - значения показателей временного ряда;

f (t,xt) -детерминированная составляющая;

х, — значения детерминированных факторов, влияющих на детерминированную составляющую f в момент времени t;

εt - случайная составляющая;

T- длина временного ряда.

В экономике часто роль детерминированной составляющей играет результирующий показатель, например, объем производства, обусловленный общей тенденцией экономического роста, темпами и объемами инноваций, затратами ресурсов. На этот результат, кроме экономических факторов, могут оказывать долговременное влияние также некоторые природные факторы. Случайная составляющая аккумулирует влияние множества не включенных в детерминированную составляющую факторов, каждый из которых отдельно оказывает незначительное влияние на результат.

Многие исследователи [10,21,26,32] при анализе динамических рядов выделяют следующие четыре основные составляющие:

• долговременную эволюторно изменяющуюся составляющую, которая является результатом действия факторов, приводящих к постепенному изменению данного экономического показателя. Так, в результате научно-технического прогресса, совершенствования организации и управления производством относительные показатели результативности и эффективности производства растут, а удельные расходы ресурсов на единицу полезного эффекта снижаются;

• долговременные циклические колебания проявляются на протяжении длительного времени в результате действия факторов, обладающих большими последствиями, либо циклически изменяющихся во времени (кризисы перепроизводства, периодические природные явления);

• кратковременные циклические колебания (сезонная составляющая) показывают колебания факторов в зависимости от времен года (продуктивность сельского хозяйства, сезонные колебания розничного товарооборота);

• случайная составляющая образуется в результате суперпозиции большого числа внешних факторов, не участвующих в формировании детерминированной составляющей и оказывающих незначительное влияние на изменение значений показателей.

Для выявления типа инерционности необходимо проверить зависимость показателей от временного фактора. Для этой цели, в частности, можно порекомендовать метод, разработанный Ф.Фостером и А.Стюартом, предложившими по данным исследуемого ряда определять величины и, к I
путем последовательного сравнения уровней ряда динамики [39]:

1, если уt – max из всех yt-1, yt-2, yt-n;

0, в остальных случаях

ut =

1, если уt – min из всех yt-1, yt-2, yt-n;

0, в остальных случаях

lt =
Далее определяется две простые характеристики s и d:

s=∑s_t,                                                                                                   (1.10)

d=∑d_t,                                                                                                   (1.11)

где: st = ut+lt,

     и dt=ut-lt,                                                                                         (1.12)

Суммирование в формулах (1.10) и (1.11) производится по всем членам ряда. Полученные показатели s и d используются для проверки гипотезы об отсутствии тенденции (s - б средней, d - в дисперсии) в динамике исследуемого экономического показателя. Проверку гипотезы проводят, применяя t-критерий Стьюдента, то есть определяя:

tн=(d-0)/(σ1),                                                                                              (1.13)

tн=(s-µ)/( σ2),                                                                                              (1.14)

где µ — математическое ожидание величины s;

σ - средние квадратические 0, изменения величин s и d
.

Значения, µ, σ1 и σ2 табулированы. Если tн ≥ tкр то гипотеза о наличии тенденции отвергается, tкр находят по таблицам критических точек распределения Стьюдента в зависимости от уровня значимости гипотезы а (обычно выбирается на уровне 0,05) и числа степеней свободы k
:

k = n – 1,                                                                                        (1.15)

где n — число уровней ряда.

Если же tn
<
t
кр
,
то гипотеза принимается, и для исследуемого объекта характерна инерционность второго рода. Данный метод достаточно прост и легко может применяться в практических разработках.

После проверки типа инерционности экономической системы (объекта) необходимо перейти к подбору адекватного метода прогнозирования, а также параметрических моделей в соответствии с алгоритмом, показанным к количественным расчетам и верификации результатов.

2. МЕТОДЫ ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

2.1. Классификация и область применения методов прогнозирования

Выбор конкретного метода является одной из наиболее важных задач прогнозирования. Возрастание актуальности разработки формальных, в том числе логических процедур, при выборе метода прогнозирования отмечает в своих работах Глущенко В.В. [8,9]. При этом можно указать три основные группы причин, влияющих на необходимость выбора метода прогнозирования.

Первая группа состоит в увеличении числа методов прогнозирования, которое и в перспективе будет возрастать в связи с разнообразием практических задач прогнозирования (в настоящее время число методов прогнозирования приближается к двумстам).

Вторая группа причин заключается в том, что в современных неопределенных условиях (переходный период, экономический кризис) существенно возрастает сложность как самих решаемых задач, так и объектов прогнозирования (создание корпоративных групп, холдингов, объединений и других сложных организационно-производственных структур).

Третья группа причин связана с возрастанием динамичности (подвижности) рыночной среды, ускорением темпов инновационного процесса. Поэтому на выбор конкретного метода прогнозирования влияют:

• существо проблемы, подлежащей решению;

• динамические характеристики объекта прогнозирования;

• вид и характер информационного обеспечения;

• выбранный период упреждения прогноза (и его соотношение с продолжительностью цикла разработки товара или услуги);

• требования к результатам прогнозирования (точности, надежности и достоверности).

Следует иметь в виду, что названные факторы должны рассматриваться в системном единстве.

Для выбора наиболее подходящего метода прогнозирования на предпрогнозном этапе необходимо структурировать информацию об объекте прогнозирования, проанализировать ее (оценить полноту, непротиворечивость, сопоставимость и соизмеримость данных, точность и достоверность информации).

Первоначально необходимо выделить из числа общеизвестных методов прогнозирования как приемлемые для решения конкретной задачи, так и те, которые применить по тем или иным причинам нельзя. Последние следует исключить из числа рассматриваемых альтернатив.

Условно все существующие методы прогнозирования можно разбить на две большие группы:

• фактографические (формализованные), которые базируются на фактически имеющейся информации об объекте прогнозирования и его прошлом. Они условно подразделяются на

- статистические, основанные на построении и анализе динамических рядов, либо на данных случайной выборки;

- аналоговые методы, направленные на выявление сходства в закономерностях развития различных систем и процессов.

• экспертные (интуитивные) методы используют мнения специалистов-экспертов и применяются тогда, когда невозможно формализовать изучаемые процессы или имеет место неопределенность развития хозяйственной системы.

Рис.2.1. Методы экономического прогнозирования.

Обоснованность прогноза в значительной мере зависит от выбора метода прогнозирования(рис.2.1).

Особое место в классификации методов прогнозирования занимают комбинированные методы, которые объединяют различные методы прогнозирования. Использование комбинированных методов особенно актуально для сложных социально-экономических систем, когда при разработке прогноза показателей каждого элемента системы могут быть использованы различные сочетания методов прогнозирования. Разновидностью комбинированных методов можно считать эконометрическое моделирование.

Практическое применение того или иного метода прогнозирования определяется такими факторами, как объект прогноза, сложность и структура системы, наличие исходной информации, квалификация прогнозиста. В таблице 2.1 приведена характеристика различных методов прогнозирования экономических систем и область их применения.

Краткая характеристика методов прогнозирования и область их применения

Метод		Основные условия применения	Особенности применения	Область применения
1		2	3	4
1 . Сценарный (функционально-логическое прогнозирование)		Наличие определенного количества вариантов развития системы	Подчинение стратегической функции развития системы, выбор оптимальной альтернативы управления. Установление логической последовательности событий	Сценарии разрабатываются для определения рамок будущего развития технологии, рыночных сегментов, стран и регионов и т.д. Долгосрочный прогноз, практически неограничен
2. Экстраполяция		Количественное определение важнейших параметров поведения объекта не менее чем за 5 периодов	Прогнозирование на основе предположения о неизменности тенденций в будущем	Прогнозирование показателей по предприятию, прогноз потребностей в ресурсах, прогнозирование спроса, финансовое прогнозирование. Краткосрочный прогноз
3. Регрессионный анализ		Используется для объектов, имеющих сложную, многофакторную природу. Предполагает наличие выборки по исследуемым объектам и показателям	Исследует зависимость определенной величины от другой величины или нескольких величин	Прогнозирование объема инвестиций, уровня затрат, финансовых результатов, объемов продаж и т.п. Используется в среднесрочном прогнозировании
4. Экспертный	Создание экспертной группы из высококвалифицированных специалистов в данной области (численностью не менее 9 человек)		Прогнозирование развития объектов по экспертным оценкам	Прогнозирование рынков сбыта, сроков обновления выпускаемой продукции, прогноз технического уровня продукции. Срок прогнозирования не ограничен
5. Структурное прогнозирование	Возможности решения проблемы при сохранении функций, но изменении структуры и (или) значений параметров объекта		Построение прогнозных графов и «дерева целей»	Прогноз развития объекта в целом, формулировка сценария достижения прогнозируемой цели. Срок прогнозирования не ограничен
6. Прогнозирование по аналогии	Используется при схожести объектов прогнозирования, их целей, последствий прогноза		Применяется только для доказанной аналогии между объектами, нельзя применять для новых объектов, процессов, ситуаций, т.е. не имеющих аналогов	Может применяться для установления качественной и количественной аналогии с целью изучения опыта, результатов и т.п. Краткосрочное и среднесрочное прогнозирование
7.Комплексные системы прогнозирования (комбинированный метод)	Условия определенные для конкретных методов прогнозирования (п.п. 1-6)		Возможность рационального сочетания методов с целью повышения точности прогнозирования, снижения затрат на прогнозировании	Для всех видов прогнозирования. Срок не ограничен

Важную роль в выборе метода прогнозирования может сыграть типовое представление объекта прогнозирования. Это связано с тем, что каждому из типовых представлений объекта можно поставить в соответствие множество элементов методической среды прогнозирования. Это отражает булева (логическая) матрица наличия или отсутствия связи между типовым представлением объекта и методом прогнозирования (табл. 2.2) [9]. В этой таблице 0 - отсутствие связи между типовым представлением объекта и искомым методом прогнозирования; 1 - если такая связь существует.

Строки этой матрицы пронумерованы от 0 до 6 и соответствуют:

1 - интуитивному представлению;

2 - предметному представлению (дескриптивные модели);

3 - функционально-декомпозиционному представлению;

4 - представлению в виде контуров обслуживания;

5 - агрегативно-декомпозиционному представлению;

6 - представлению в виде модели «параметр-поле допуска».

Столбцы этой матрицы пронумерованы в соответствии с номерами видов прогнозирования:

1 - экспертное;

2 - функционально-логическое;

3 - структурное;

4 - параметрическое;

5 - прогнозирование по аналогии;

6 - комплексные системы прогнозирования [3].
Таблица 2.2

Булева матрица наличия или отсутствия связи между типовым представлением объекта и группой методов прогнозирования

№п/п	1	2	3	4	5	6
1	1	0	0	0	1	0
2	1	0	0	0	1	0
3	1	1	0	0	1	1
4	1	1	1	0	1	1
5	1	1	1	0	1	1
6	1	1	1	1	1	1

Прогнозист в процессе исследования выбирает вид методов прогнозирования, а затем в рамках этой группы отбирает наиболее подходящий, адаптирует его к особенностям объекта, при необходимости модифицирует или разрабатывает свой метод. Подбор адекватного метода позволяет обеспечить функциональную полноту, достоверность и точность прогноза, уменьшить затраты времени и ресурсов на прогнозирование.

2.2. Фактографические методы прогнозирования

Как было ранее показано (см. п. 2.1.), фактографические методы прогнозирования можно условно разделить на две большие группы: статистические и методы аналогий.

Статистические методы прогнозирования

Статистические методы изучены лучше всего, однако не являются единственно возможными. В ряде случаев прибегают к построению сценариев развития, морфологическому анализу, историческим аналогиям. Новым подходом к прогнозированию НТП является, в частности, «симптоматическое» прогнозирование, суть которого заключается в выявлении «предвестников» будущих сдвигов в технике и технологии. Однако в практике экономики преобладающими по-прежнему являются статистические методы (что связано с наличием инерционности). Немаловажным является и то, что статистические методы опираются на аппарат анализа, развитие и практика которого имеют достаточно длительную историю.

Процесс статистического прогнозирования распадается на 2 этапа:

• Индуктивный, заключающийся в обобщении данных, наблюдаемых за более или менее продолжительный период времени, и в представлении соответствующих статистических закономерностей в виде модели. Процесс построения модели включает: выбор формы уравнения, описывающего динамику или взаимосвязь явлений; оценивание его параметров.

• Дедуктивный — собственно прогноз. На этом этапе определяют ожидаемое значение прогнозируемого показателя.

Не всегда статистические методы используются в чистом виде. Часто их включают в виде важных элементов в комплексные методики, предусматривающие сочетание статистических методов с другими, например, экспертными оценками.

Статистические методы основаны на построении и анализе динамических рядов, либо данных случайной выборки. К ним относятся методы прогнозной экстраполяции, корреляционный и регрессионный анализ. В группу статистических методов можно включить метод максимального правдоподобия и ассоциативные методы — имитационное моделирование и логический анализ.

Динамику исследуемых показателей развития хозяйственной системы можно прогнозировать при помощи двух различных групп количественных методов: методов однопараметрического и многопараметрического прогнозирования. Общим для обеих групп методов является, прежде всего, то, что применяемые для параметрического прогнозирования математические функции, основываются на оценке измеряемых значений прошедшего периода (ретроспективы). Однопараметрическое прогнозирование базируется на функциональной зависимости между прогнозируемым параметрам (переменной) и его прошлым значением, либо фактором времени.

ŷ_t+1=ſ(y_t,y_t-1,…,y_t-n). (2.1)

При обработке таких прогнозов пользуются методом экстраполяции трендов, экспоненциальным сглаживанием или авторегрессией.

В основе многопараметрических прогнозов лежит предположение о причинной взаимосвязи между прогнозируемым параметром и несколькими другими независимыми переменными:

ŷ_t₊₁=f(x), или; (2.2)

ŷ_t₊₁=f(x₁, x₂,…, x_n).

Однопараметрические методы следует использовать при краткосрочном (менее одного года) прогнозирования показателей, изменяющихся еженедельно или ежемесячно. Многопараметрические оправдывают себя для средне- и долгосрочного прогнозирования.

да нет да нет

Нет

Инструмент

прогноза
Скользящие и

экспоненциаль-

ные средние, ав-

торегрессия

да нет да

Рис.2.2.Схема выбора статистического метода прогнозирования
Выбор конкретного параметрического метода прогнозирования, кроме того, зависит от характера исходной статистической базы. В качестве исходных данных могут быть взяты выборочные наблюдения и динамические ряды. В первом случае в качестве инструмента прогноза применяется регрессия. Значительно чаще, чем случайная выборка, информационной базой для прогноза являются динамические ряды.

Тогда в качестве инструментов прогноза выступают тренды, авторегрессия, смешанная авторегрессия и т.п. Выбор адекватного подхода зависит от того, обнаружены ли экзогенные факторы, влияющие на значение зависимой переменной или нет, влияют ли на зависимую переменную предшествующие значения этой же переменной и т.д. В целом процесс выбора конкретного метода статистического параметрического прогнозирования показан на рис. 2.2. [39].

Методы экстраполяции сводятся к обработке имеющихся данных об объекте прогнозирования за прошлое время и распространению обнаруженной в прошлом тенденции на будущее.

Методы моделирования — наиболее сложный метод прогнозирования, состоящий из разнообразных подходов к прогнозированию сложных систем, процессов и явлений. Эти методы могут пересекаться и с экспертными методами.

Экстраполяция трендов

Наиболее распространенными из группы математических методов являются методы прогнозной экстраполяции. Временной ряд при экстраполяции представляется в виде суммы детерминированной (неслучайной) составляющей, называемой трендом, и стохастической (случайной) составляющей, отражающей случайные колебания или шумы процесса.

Прогнозную экстраполяцию можно разбить на два этапа.

• Выбор оптимального вида функции, описывающей ретроспективный ряд данных. Выбору математической функции для описания тренда предшествует преобразование исходных данных с использованием сглаживания и аналитического выравнивания динамического ряда.

• Расчет коэффициентов (параметров) функции, выбранной для экстраполяции.

Для оценки коэффициентов чаще остальных используется метод наименьших квадратов (МНК).

Сущность МНК состоит в отыскании коэффициентов модели тренда, минимизирующих ее отклонение от исходного временного ряда:

S = ∑(y_t- ŷ)² → min,                                                                    (2.3)

где ŷ, - расчетные (теоретические) значения тренда;

у — фактические значения ретроспективного ряда;

n — число наблюдений.

Подбор модели в каждом конкретном случае осуществляется по целому статистически ряду критериев (дисперсии, корреляционному отношению и др.). Кроме того, для выбора зависимости

ŷ_t=f(t)

существует несколько подходов. Это метод последовательных разностей, метод характеристик прироста, визуальный (глазомерный) выбор формы. Расчет оценок прироста показателя, дополненный визуальным выбором взаимосвязи, уменьшает риск неправильного выбора модели для прогнозирования. В частности, могут быть рекомендованы следующие аппроксимирующие зависимости:

∆ Y / ∆ t = const → ŷ_t =a₀ + a₁ t,                                                           (2.4)

∆ ln y / ∆ t = const → ŷ_t= a₀ t^a,                                                             (2.5)

∆ ln y / ∆ ln t = const → ŷ_t= a₀ t^t₁,                                                        (2.6)

∆ Y²/ ∆ X² = const → ŷ_t= a₀ + a₁ t + a₂ t²,                                            (2.7)

∆ (t / y) / ∆ t = const → ŷ_t = t / (a₀ + a₁ t).                                               (2.8)

В Приложении 1 показаны графические зависимости, позволяющие осуществлять визуальный выбор формы зависимости прогнозируемого показателя от фактора времени, а в Приложении 2 - системы нормальных уравнений, применяемые для оценки параметров полиномов невысоких степеней.

Для выявления более четкой тенденции уровни, нанесенные на график, можно сгладить (элиминировать) с помощью трех приемов:

• метода технического выравнивания - когда на графике визуально (на глаз) проводится равнодействующая линия, отражающая на взгляд исследователя тенденцию развития;

• метода механического сглаживания - расчет скользящих и экспоненциальных средних;

• метода аналитического выравнивания - построение тренда.

Преимущество трендовой модели в более высокой степени надежности. Кроме того, она позволяет экономически интерпретировать параметры уравнения тренда и достаточно наглядно изображает тенденцию и отклонения от нее на графике.

В рыночной ситуации можно порекомендовать конкретные виды функций, наиболее пригодные для экстраполяции [29].

Спрос на ряд непродовольственных товаров может быть описан степенной функцией или экспонентой (особенно на активных этапах жизненного цикла товаров). Общие закономерности спроса отражаются кривой Гомперца. При изучении влияния фактора времени на спрос может быть использована логистическая (сигмоидальная) кривая. Процесс затухания роста спроса по мере перехода населения к группам населения с более высоким доходом отражается полулогарифмической кривой.

В развитии рынка как единого экономического пространства (как и в развитии локальных рынков) могут проявиться определенная повторяемость, цикличность, обусловленная как внутренними свойствами рынка, так и внешними причинами.

Рис. 2.3. Моделирование тенденции продажи товара
по стадиям жизненного цикла

Условные обозначения:

1 - выведение товара на рынок; 2 - рост; 3 - зрелость; 4 - упадок; 5 - реанимация спроса.

Внутригодовая цикличность носит часто сезонный характер.

При изучении сезонных процессов часто применяется спектральный анализ, который позволяет прогнозировать тенденции, динамика которых содержит колебательные или гармонические составляющие [31].

Сезонные волны можно описать гармоникой ряда Фурье:

ŷ=α₀+∑^m_k(α_kcoskt + b_ksinkt),                                    (2.9)

где t
- номер гармоники ряда Фурье;

а
о
и аk
,
bk
— определяют по МНК;

k
- число гармоник (1,2,...)

В условиях переходной экономики возрастает значимость прогнозирования жизненного цикла товара (ЖЦТ). Автором концепции ЖЦТ считается известный маркетолог Теодор Левитт, предложивший ее в 1965г.

Суть прогноза заключается в том, чтобы определить, как надолго и насколько интенсивно будет сохраняться спрос на данный товар. Прогноз ЖЦТ - многоплановый процесс, важной составляющей которого является подбор для каждого этапа соответствующей трендовой модели, отражающей не только рост, стабилизацию или спад, но и степень ускорения или замедления этих процессов. Такой прогноз является составным элементом прогнозирования покупательного спроса и рыночной конъюнктуры.

Жизненный цикл товара можно графически смоделировать в виде сложной кривой (рис. 2.3).

Математически смоделировать весь жизненный цикл товара практически невозможно, пришлось бы использовать сложную многочленную функцию, которую трудно интерпретировать. Целесообразно использовать метод линейно-кусочных агрегатов, то есть моделировать и прогнозировать каждый этап ЖЦТ с помощью трендовой и (или) многофакторной модели, отражающей закономерности каждого этапа.

Отмеченные ранее методы механического выравнивания могут также выступать в роли самостоятельных методов статистического прогнозирования.

Прогнозирование на основе адаптивных скользящих средних производится с использованием следующих формул:
M_i= M_i-1+ (y_i- y_i-m) / (m),                                                                 (2.10)

где M_i– скользящая средняя, отнесенная к концу интервала.
M_i= ŷ_t= (∑^t+p_i=1y_i) / (m).                                                                  (2.11)
Первый член уравнения (2.10) – М_i_-1 несет «груз прошлого» - инерцию развития, а второй адаптирует среднюю к новым условиям. Таким образом, средняя как бы обновляется, «впитывая» информацию о фактически реализуемом процессе (степень обновления определяется весом 1/т).

Экспоненциальные средние. Влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Для этой цели используют экспоненциальное сглаживание, применяемое в краткосрочном прогнозировании (идея Н.Винера):

Q_t = α · y_t+ (1+α) · Q_t_-1,                                                                          (2.12)
где Q_t - экспоненциальная средняя на момент t
;

а - коэффициент, характеризующий вес текущего наблюдения (параметр сглаживания).

При расчете по формуле (2.12) необходимо выбрать Q_t_-1. Часто

Q_t_-1принимают равным y_t.

Применение метода успешно, когда ряд имеет достаточно большое число уровней. Чем меньше а, тем больше роль «фильтра», поглощающего колебания 0< а <1. Практически диапазон а ограничивается величинами 0,1; 0,3. Хорошие результаты дает а = 0,1. При выборе а следует иметь в виду, что для повышения скорости реакции на изменение процесса развития необходимо повысить а, однако это уменьшает «фильтрационные» возможности средней.

Специфика экономических процессов состоит в том, что они обладают взаимосвязью и инерционностью (см. п. 1.3). Последнее означает, что значение фактического показателя в момент времени зависит определенным образом от состояния этого показателя в предыдущих периодах, т.е. значения прогнозируемого показателя должны рассматриваться как факторные признаки. Уравнение авторегрессионной зависимости в общем имеет вид:
ŷ_t= α₀+ α₁· y_t_-1+ α₂· y_t_-2+...+ α_k· y_t_-_k,                                          (2.13)
где ŷ_t – прогнозируемые значения показателя в момент времени t;

      y_t_{-1 –}значения показателя y в момент времени (t-i);

α₁ – i-тый коэффициент регрессии.

Часто прогнозируемый показатель зависит не только от предшествующих состояний, но и от других факторов x. Тогда говорят о смешанной авторегрессии:

ŷ_t= α₁· y_t_-1+ α₂· y_t_-2+...+ α_k· y_t_-_k+ b₁· x₁+ b₂· x₂+...+ b_m· x_m=

= ∑^k_i=1α_i· y_t-I+ ∑^m_j=1b_j· x_j.                                                                       (2.14)
Оценки α_iи b_j находят по МНК.

Все приведенные выше модели позволяют получить точечные оценки. Для определения наиболее вероятных интервалов варьирования прогнозных показателей необходимо найти доверительные оценки. В общем виде расчет доверительного интервала может быть представлен следующим образом:
ŷ_t+a ± t_aSŷ,                                                                                               (2.15)
где ŷ_t₊_a - точечный прогноз;

Sŷ – средняя квадратическая ошибка прогноза;

t_a_–t-статистика Стьюдента;

α – период упреждения прогноза.

В общем виде для полиномов различных степеней:

Sŷ_t₊₂= Sy √T`_α(T` · T)^-1· T_α, (2.16)
где (T` · T) – матрица системы нормальных уравнений;

Sy – среднее квадратическое отклонение фактических значений от расчётных.

В частности, для линейного тренда:

Sŷ = Sy √1 + 1 : n + (t_α- t)²: ∑(t')², (2.17)
Где t_{α –}заданное на период упреждения значение переменной t,

t – среднее значение t, т.е. значение порядкового номера уровня, стоящего в середине ряда;

∑(t')²– сумма квадратов отклонений значений независимой переменной от их средней.

Важно иметь в виду, что экстраполяция в рядах динамики носит приближенный и условный характер. Поэтому применение методов экстраполяции не должно становиться самоцелью, а при разработке социально-экономических прогнозов должна привлекаться дополнительная информация, на основе которой в полученные методом экстраполяции количественные оценки вносятся соответствующие коррективы.

Экономико-математическое моделирование

Методы экономико-математического моделирования применяются преимущественно в" среднесрочном, а также в долгосрочном прогнозировании.

В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имеющих сложную многофакторную природу (объем инвестиций, затраты, прибыль, объемы продаж и т.п.). Для осуществления регрессионного моделирования необходимо [30]:

- наличие ежегодных данных по исследуемым показателям;

- наличие одноразовых прогнозов, то есть таких, которые не корректируются с поступлением новых данных.

Наиболее разработанной в теории прогнозирования является методология так называемой парной корреляции, рассматривающей влияние факторного признака х на результативный у. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени ? можно рассматривать как частный случай параметра х). На практике же гораздо чаще приходится исследовать зависимость результативного признака от нескольких факторных. В этом случае статистическая модель является многофакторной. Например, линейная регрессия с т независимыми переменными имеет вид:

ŷ_i= α₀· x₀+ α₁· x₁+ α₂· x₂+...+ α_m· x_m.                                                       (2.18)

Оценки параметров находят по МНК.

Отбор факторов для построения многофакторных моделей производится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математических критериев.

Общепринятым является трехстадийный отбор факторов:

1. На первой стадии осуществляется априорный анализ, и на факторы, включаемые в состав модели, не накладываются ограничения.

2. Нг второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффициентов корреляции (табл. 2.3).

Анализ таблицы ведется с использованием следующих критериев:

r_yi> r_ij; r_yj> r_ij; r_ij> 0,8 ,                                                                                       (2.19)

где r_ij — парные коэффициенты корреляции.

3. На заключительной стадии производят окончательный отбор факторов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием критерия Стьюдента:

t_расч> t_k_,_a,                                                                                                            (2.20)

где k - число степеней свободы,

а- уровень значимости.

В процессе анализа решается проблема мультиколлинеарности, которая заключается в том, что между факторными признаками может существовать значительная линейная связь, что приводит к росту ошибок оценок параметров регрессии.

Таблица 2.3

Матрица парных коэффициентов корреляции множественной модели регрессии

	У	X₁	Х2	…	x_j	…	x_m
у	1	r_yl	r у2	…	r_yj	…	r ут
X1	r !у	1	R₁₂	…	r_lj	…	r_ml
Х2	r 2у	R_2l	1	…	R_2j	…	r 2т
…	…	…	…	…	…	…	…
X1	r_iy	r_il	R_i2	…	1	…	r_im
…	…	…	…	…	…	…	…
Х _m	r ту	r_ml	R_m2	…	r_mj	…	1

Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [11, 14, 24, 26, 30, 38, 39] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий позволяет достаточно оперативно рассчитывать параметры этих моделей. Во внутрипроизводственном прогнозировании используются:

• модели внутренней среды фирмы, так называемые корпоративные модели;

• макроэкономические модели, к которым относят эконометрические модели, модели «затраты-выпуск» [1].

Корпоративные модели обычно представляют набор формул (уравнений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.

Большая часть математических моделей имеет форму компьютерных программ (например, АРМ СтОД (автоматизированное рабочее место для статистической обработки данных), ОЛИМП, МЕЗОЗАВР, СИГАМД и др.) [13], Такие программы позволяют придать моделям динамический характер.

К недостаткам применения методов экономико-математического моделирования в рамках прогнозирования можно отнести:

• необходимость серьезных затрат на организацию прогнозирования;

• невозможность охватить в моделях все наиболее существенные тенденции развития;

• высокая вероятность внезапных изменений, разрушительных событий, существенно снижающих полезный эффект модели.

Следует иметь в виду, что в условиях переходной экономики происходят кардинальные изменения в организационно-производственных системах и структурах (спроса, потребностей, цен и т.п.), а следовательно, достаточно проблематично сделать вывод о том, можно ли доверять результатам математического параметрического прогнозирования, так как эти методы целесообразно применять тогда, когда за время упреждения не изменяются ни функции, ни структура объекта прогнозирования. В этой ситуации параметрические методы могут применяться:

• при краткосрочном прогнозировании, когда вероятность структурных изменений невелика;

• при условии соответствия исходных статистических данных требованиям, предъявляемым математическим методам;

• при дополнительной верификации результата прогноза другим методом.

Структурное прогнозирование

Методы структурного прогнозирования позволяют найти решение проблемы при сохранении функций, но при изменении структуры и (или) значений параметров объекта прогнозирования за время упреждения.

Структурные методы основаны на использовании теории графов.

Рис.2.3. Вариант построения дерева целей

Графом называют фигуру, состоящую из точек, называемых вершинами, и соединяющих их отрезков, называемых ребрами. Выбор структуры графа определяется существом тех отношений между элементами системы, которые он должен выразить.

Деревом называется сводный ориентированный граф, не содержащий петель. Каждая пара его вершин соединяется ребром.

Деревом целей называется граф-дерево, выражающее отношения между вершинами, являющимися этапами или проблемами, подлежащими решению при достижении некоторой цели (рис. 2.3).

Дерево целей, вершины которого ранжированы, т.е. выражены количественными оценками их важности, может быть использовано для количественной оценки приоритета различных направлений развития.

Построение дерева целей требует решения многих прогнозных задач, таких, как:

• прогноз развития объекта в целом;

• формулировка сценария достижения прогнозируемой цели;

• формулировка уровня цели;

• формулировка критерия и весов, ранжирование вершин. Дерево целей обычно строится на нескольких уровнях:

1. Понятийном (аспектом, параметрическом), где основная цель имеет скорее качественное, чем количественное выражение.

2. Продуктовом (предметном), где процесс достижения цели разбивается на решение задач по отдельным видам продукции.

3. Технологическом - процесс достижения цели разбивается по отдельным стадиям производственного процесса и стадиям жизненного цикла товара (товаром при этом может считаться как сама добываемая нефть, так и нефтяное месторождение).

4. Ресурсном ~ цели делятся по видам ресурсов, необходимых для производства.

Иерархическое дерево целей строится на логической основе сверху вниз, исходя из сценария, поэтапно, уровень за уровнем, так, чтобы мероприятия предыдущего уровня обеспечивали задачи последующего.

Для каждого уровня дерева целей эксперты должны устанавливать коэффициенты относительной важности всех его этапов. Расчет коэффициента относительной важности вдоль ветви дерева цели учитывает связи элемента данного уровня с одним или несколькими элементами вышестоящего уровня и определяется как сумма произведений соответствующих коэффициентов относительной важности.

При разработке подсистем (задач), входящих в данное дерево целей, принимаются во внимание возможности частичного использования результатов одних подсистем для других, характеризуемые коэффициентами взаимной полезности. Эти коэффициенты экспортно оцениваются специалистами и выражают относительное снижение затрат времени и других ресурсов.

Прогнозирование по аналогии

Прогнозирование по аналогии - это достаточно часто применяемый тип прогнозирования. Следует иметь в виду, что прогнозирование по аналогии корректно только тогда, когда установлена, доказана аналогия между: объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкретном случае прогнозирования.

Понятие аналогии связано с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта -аналога, а цели и задачи его прогнозирования должны соответствовать таким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последствий прогнозирования.

В процессе прогнозирования по аналогии должны рассматриваться следующие направления аналогии:

• объекта протезирования и объекта, выбранного в качестве аналога;

• типов и целей менеджмента;

• реакции внутренней среды на управляющие воздействия;

• реакции внешней среды на изменении состояния объекта прогнозирования.

В процессе предпрогнозного анализа возможно установление количественной и (или) качественной аналогии.

Одним из методов качественного доказательства аналогии является логика предположений [7]. Формальная логика устанавливает общие методы и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов [26]. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными качественными характеристиками. По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого нового объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период [9].

2.3. Экспертные методы прогнозирования

В случае чрезвычайной сложности системы (объекта прогнозирования), его новизны, неопределенности формирования некоторых существенных признаков, недостаточной полноты информации и невозможности полной математической формализации процесса решения поставленной задачи приходится обращаться к рекомендациям компетентных специалистов, прекрасно знающим проблему экспертам.

Их решение задачи, аргументация, подход, формирование количественных оценок результатов, обработка последних формальными методами получили название метода экспертных оценок.

Этот метод включает три составляющие:

• интуитивно-логический анализ задачи или ее фрагмента;

• решение и выдачу количественной или качественной характеристики (оценка, результат решения);

• обработку результатов решения - полученных от экспертов оценок.

Интуитивно-логический анализ строится на логическом мышлении и интуиции экспертов и базируется на их знаниях и опыте. Это индивидуальный процесс. Каждый из экспертов не только моделирует, но и производит сравнительный анализ альтернатив решения, их количественные измерения. Часто этот процесс осуществляется в условиях недостаточности и недостоверности данных об исследуемом объекте, условиях, в которых он функционирует и будет развиваться. Это обусловливает уровень требований, предъявляемых к экспертам.

Принятие экспертом решения по рассматриваемой проблеме и оценка ожидаемого результата - завершающая часть индивидуальной работы эксперта.

Полученные от эксперта решения используются для обобщения и формирования результирующего показателя - итоговой оценки явления, проблемы. Это очень трудоемкий процесс, поскольку в зависимости от поставленной цели (определение согласованности мнений экспертов, построение обобщенной оценки объекта, явления, процесса на основе индивидуальных оценок экспертов и др.) изменяется количество выполненных расчетных и логических процедур, набор учитываемых показателей. Поэтому для оперативности получения результата и минимизации ошибок целесообразно использовать ЭВМ. Несмотря на то, что это требует формализации процессов обработки экспертной информации (для алгоритмизации и программирования), выигрыш столь существенен, что данный путь вполне оправдан.

Методами экспертных оценок решается целый ряд задач планирования и прогнозирования. Основными являются: распределение различных видов ресурсов с установлением приоритетности; формирование целей и задач планирования по уровням управления и их ранжирование по важности; определение возможных вариантов решения задач с оценкой предпочтительности каждого из вариантов; оценка степени влияния на объект различных факторов; определение перспективных направлений развития производственной системы, организационно-функциональной структуры; оценка деятельности предприятий или подразделений (когда оценка производится по множеству показателей, большинство из которых - качественные); определение очередности выполнения работ; оценка качества выпускаемой продукции; научно-техническое и экономическое прогнозирование; формирование тематики НИОКР; выбор вариантов технического и социально-экономического развития предприятия; определение перспективных направлений развития производственных систем, организационно-функциональных структур; прочие задачи.

Экспертные оценки делятся на индивидуальные и коллективные. К индивидуальным относят сценарии, метод «интервью», аналитические докладные записки.

«Интервью» предполагает беседу организатора прогнозной деятельности с прогнозистом - экспертом, которая включает вопросы о будущем состоянии системы и ее среды.

Метод аналитических докладных записок означает самостоятельную работу эксперта над анализом деловой ситуации и возможных путей ее развития.

Коллективные экспертные оценки (метод «комиссий», метод «мозгового штурма», метод Дельфи и др.) включают:

• подготовку и сбор индивидуальных экспертных оценок;

• статистические методы обработки полученных материалов.

Метод «комиссий» может означать организацию «круглого стола» и других подобных мероприятий, где происходит согласование мнений экспертов.

Для метода «мозгового штурма (атаки)» характерна коллективная генерация идей и творческое решение проблем. Мозговая атака представляет собой свободный, неструктурированный процесс генерирования любых идей (включая самые невероятные) по избранной теме, которые спонтанно высказываются участниками встречи [5, 12].

Сущность метода состоит в разделении решения двух задач:

• генерирование новых идей;

• анализ и оценка предложенных идей.

Соответственно образуются две группы: группа генераторов идей и группа аналитиков. Группа генераторов идей состоит из 4-15 человек, но может быть и больше.

При проведении экспертизы должны соблюдаться следующие правила:

• любые критические высказывания или оценки ценности предложенной мысли, идеи недопустимы;

• должно быть достаточное количество и многообразие высказанных идей;

• необходимо «свободное парение» мысли: чем необычнее идея, тем лучше;

• мысли, идеи должны подхватываться, развиваться, комбинироваться, результатом должна быть лавина идей.

В завершении «мозгового штурма» производится тщательный анализ, критика высказанных точек зрения и отбор наиболее ценных из них. Первоначально отбрасываются предположения, явно не представляющие ценности, оставшиеся классифицируют на группы по категориям, зависящим от сущности проблемы, а затем производят оценку как внутри группы, так и межгрупповую.

Отделение этапа анализа от этапа генерирования идей лишь способствует углубленно анализа, усилению критики и делает ее более объективной и разносторонней.

Метод «мозгового штурма (атаки)» целесообразно использовать в критических ситуациях дефицита творческих решений, новых идей, свежих концепций в качестве одного из этапов системы поиска путей решения поставленной проблемы [12].

Метод Дельфи был разработан известным экспертом из исследовательской корпорации «РЭНД» Олафом Хельмером.

Суть метода - проведение анкетных опросов специалистов в выбранной области знаний. Основными особенностями этого метода являются:

• полный отказ от личных контактов экспертов и коллективных обсуждений;

• многоуровневая процедура опроса экспертов;

• обеспечение экспертов информацией, включая и обмен информацией между ними после каждого тура опроса, при сохранении анонимности оценок, аргументации и критики;

• обоснование ответов экспертов по запросу организаторов.

Обычно после первого тура опроса наблюдается значительный разброс мнений. Поэтому процедура осуществления метода Дельфи предполагает проведение 3-4 опросов, в преддверии которых каждого из экспертов знакомят с итогами предыдущих туров для того, чтобы эксперт мог получить предварительную информацию о предмете опроса.

Чаще всего после третьего или четвертого тура опроса ответы экспертов перестают изменяться; что и является сигналом к прекращению опросов.

Организация экспертизы по методу Дельфи включает следующие этапы [12]:

• предварительную ориентировку экспертов, включающую формулирование проблемы и инструктаж экспертов;

• формулирование вопросов экспертам в виде, требующем четких количественных и качественных оценок;

• разработку способов и порядка информационного обеспечения экспертов, включая обмен аргументаций;

• разработку алгоритмов и порядка промежуточной и окончательной обработки результатов.

Метод Дельфи обладает определенными недостатками: большими затратами времени на многотуровую экспертизу, полным исключением прямого столкновения мнений экспертов, необходимостью неоднократного пересмотра оценок.

Отмеченные недостатки могут быть устранены путем создания автоматизированной системы сбора и обработки мнений экспертов и их информационного обеспечения на основе ЭВМ, а также использованием различных модификаций метода Дельфи.

Метод построения сценариев

Особое место среди экспертных оценок занимает построение сценариев, так как помимо традиционной экспертизы этот метод включает целый ряд параметрических подходов и тяготеет к комбинированным методам.

Впервые термин «сценарий» был употреблен футурологом Х.Каном в 1960 г. при разработке картин будущего, необходимых для решения военных стратегических вопросов.

Сценарий — это описание (гипотетическая картина) будущего, составленное с учетом наиболее правдоподобных предположений.

Сценарии разрабатываются для определения рамок будущего развития технологии, рыночных сегментов, стран, регионов, отдельных фирм и т.д. Экономические организации со сложной структурой и разноплановой деятельностью в меньшей степени поддаются прогнозированию в рамках сценария.

Для прогнозируемой ситуации характерно существование определенного количества вероятных вариантов развития системы (рис. 2.4). Поэтому прогноз включает в себя несколько сценариев («трубку сценариев»). В большинстве случаев это три сценария: оптимистический, пессимистический и средний - реалистичный (наиболее вероятный).

При построении сценариев принято отвечать на три основных вопроса [37]:

• каковы тенденции развития системы в различных условиях и какими факторами они определяются?

• с какими проблемными ситуациями и «узкими» местами может встретиться развитие системы в будущем и как это повлияет на прогнозирование состояния системы?

• какие управленческие решения и в какой степени влияют на траекторию будущего развития прогнозируемой системы, каковы последствия различных альтернатив рассматриваемого решения?

Конкретная формулировка поставленных вопросов определяет целевую установку исследования.

Диапазон изменений

Пространство будущих возможностей

Разрушительные события

Текущая ситуация

Сценарии

Прогнозируемый период

Рис. 2.4. Модель сценариев
Вся совокупность причин, определяющих функционирование и развитие исследуемого объекта, называется факторами:

• внутренние (эндогенные) факторы обусловлены закономерностями развития отдельных элементов и системы как целого, возникают в результате саморазвития системы;

• внешние (экзогенные) факторы определяются взаимодействием системы между собой и внешней средой, то есть с более широкой системой, в которую прогнозируемая система входит как один из элементов.

Влияние внешней среды называют прогнозным фоном, а параметры, описывающие влияние фоновых факторов, - фоновыми переменными.

Факторы, с помощью которых осуществляется целенаправленное воздействие на систему в целом и ее элементы, называются управляющими параметрами.

Факторы, значение которых объективно непредсказуемо и составляет систему предположений об условиях будущего развития хозяйственной системы, называются сценарными параметрами.

При построении сценариев следует учитывать воздействие двух основных групп ограничений:

1 группа - это ограничения, накладываемые законами природы (например, по ресурсам). Такие ограничения являются естественными, и носят постоянный характер;

2 группа связана с процессами жизнедеятельности систем (особенно социальных). Их называют ограничениями по состоянию системы, в реальных системах такие ограничения принимают форму нормативных ограничений. Они закрепляются в законодательном порядке, то есть носят праковой характер и с помощью нормативных ограничений обеспечивается динамическое равновесие системы.

Эти ограничения меняются с развитием системы, и одной из наиболее сложных задач прогнозирования является предсказание этих изменений.

Одним из приемов разрешения неопределенности, связанной с неточным знанием границ состояния прогнозируемой системы, является введение индикаторов состояния.

Индикатор - это критический к предельным состояниям системы параметр, который должен измеряться количественно. В качестве индикаторов обычно выбираются объективно измеряемые параметры системы с известными предельными значениями, выход за пределы которых вызывает неустойчивость системы и возможность ее перехода в другое качественное состояние или ведет к гибели. Например, цена на товар - индикатор состояния рынка; темпы инвестиций - показатель экономической активности.

Важной и сложной проблемой является выбор методов варьирования значений сценарных параметров. Одним из таких методов является гарантированный прогноз. Процедура гарантируемого прогноза включает следующие шаги:

1) задаются максимально возможные значения параметров, характеризующих факторы, положительно влияющие на развитие исследуемой системы, и минимальные значения тех факторов, которые препятствуют ее развитию. Таким образом, выбирается «идеальное», то есть наилучшее состояние системы;

2) для определения нижнего предела поступают наоборот;

3) получают «трубку сценариев» развития системы, которая подвергается дальнейшему анализу.

Процесс построения сценариев можно разбить на два больших этапа:

• предсценарный предназначен для содержательного и формального исследования и описания прогнозируемых процессов, построения моделей системы и подготовки всей необходимой информации для синтеза сценариев;

• сценарный этап как конечный результат прогнозирования, когда проводятся расчеты по всем базовым сценариям и даются рекомендации по результатам прогнозирования с подробным описанием последствий реализаций каждой из предложенных альтернатив.

На предсценарном этапе формулируется исходная гипотеза о целенаправленном развитии рассматриваемой системы, которая оформляется в виде рабочего документа, содержание которого максимально структурировано и отвечает принципам системного описания объекта прогнозирования. На данном этапе определяется объект и предмет прогнозирования.

Системное описание объекта начинается с его декомпозиции на элементы, и строится первая матричная схема целостной системы. Далее отбираются и фиксируются факторы, определяющие эволюцию системы, т.е. возможности перехода из одного состояния в другие. По результатам этой работы строится матрица «Состояния-факторы» (рис. 2.5). За каждым фактором или группой факторов стоит конкретный объект или явление, которые являются или элементами рассматриваемой системы, или элементами более высокого порядка (внешней среды). Это означает, что каждому содержанию матрицы «Состояния-факторы» соответствует определенная декомпозиция прогнозируемой системы.

После формирования матрицы выбирается минимальное число параметров, характеризующих состояние системы относительно целей прогнозирования. Параметры могут быть как количественными, так и качественными. Качественные параметры можно представить шкалой качественных значений (баллов). Если число параметров велико, то из них выбирают индикаторы, доминирующие показатели, по которым судят о состоянии системы.

Состояния

Внешние факторы

Внутренние факторы

Экономические

Политические

Факторы

Параметры

Рис. 2.5. Матрица «Состояния-факторы»

После построения матрицы «Состояния-факторы» переходят к этапу ее анализа и уточнения. Все факторы ранжируются по степени влияния на состояние прогнозируемого объекта, для чего может быть использована шкала оценок от 0 до 5 (0 - отсутствие влияния, 5 - наибольшее влияние).

В матрице оставляют только «главные факторы» (не менее 3 по принятой шкале), а остальные переносятся на другие уровни представления системы.

Классификация состояний системы и факторов сужает первоначальную неопределенность и позволяет построить «трубку» возможных траекторий развития объекта.

Затем ищется «идеальное» управление, ведущее к достижению целей исследуемой системы. Данная процедура позволяет получить базовый сценарий {а в ряде случаев - несколько базовых сценариев), что завершает предсценарный этап.

Построение сценариев развития системы как конечного результата прогнозирования (рис. 2.6) предполагает проведение расчетов по всем базовым сценариям на системе математических моделей. Цель расчетов - проверка содержательных базовых сценариев на допустимость и реализуемость, уточнение исходных фоновых переменных и суммарных параметров, а также количественно-качественный анализ сценариев.

Расчеты удобно начинать снизу, т.е. на моделях нижнего уровня, а по мере отработки базовых сценариев двигаться вверх по иерархии системы моделей. На этом этапе прогнозирования возможно сочетание различных математических методов параметрического прогнозирования и моделирования, методов оптимизации, экстраполяции и т.п. и эвристических методов {экспертных оценок), что позволяет получить относительно точный и надежный прогноз.

Анализ схемы показывает, что построение сценариев представляет собой многошаговый процесс. Особый интерес представляют третий и четвертый шаги. Если на третьем шаге фирма определяет будущее состояние среды и ее влияния, исходя из собственных целей, то на четвертом этапе возможное развитие сфер влияния определяется исходя из их современного состояния и возможных изменений. На пятом этапе сопоставляются результаты третьего и четвертого шагов, повышенные или заниженные показатели состояния среды корректируются при помощи данных, полученных на четвертом шаге.

Введение на шестом шаге разрушительных событий объясняется тем, что в реальной ситуации могут иметь место инциденты, которые не были спрогнозированы, но при этом могли изменить направление тенденции. Разрушительные события могут иметь как определенный результат (катастрофы, аварии и т.п.), так и положительный (политические примирения, технологические прорывы, открытие месторождений и т.п.). Из возможных разрушительных событий выделяются те, которые оказывают наибольшее влияние и учитывают их при составлении сценариев.

На заключительных шагах сопоставляются стратегические проблемы фирмы и выбранные варианты развития среды, определяется характер и степень воздействия тех или иных вариантов развития на стратегические области действий фирмы и рекомендуются конкретные меры по преодолению возможных проблем..

Рис. 2.6. Логическая схема построения сценариев развития объекта прогнозирования

Построение прогнозных сценариев используется в практике прогнозирования, как самостоятельный метод, так и как элемент прогнозирования с использованием других методов (т.е. может выступать элементом комплексной системы прогнозирования) [1].

При прогнозировании для минимизации расходов на прогноз необходимо привлекать минимальное число экспертов при условии обеспечения ошибки прогнозирования не более Ь, где 0<Ь<1. Минимальное число экспертов определяют по формуле

                                                (2.21)

При этом должна наблюдаться стабилизация средней оценки прогнозируемой характеристики. При подборе экспертов, входящих в состав экспертной группы, должны быть учтены следующие их характеристики: компетентность, креативность (способность к творчеству), отношение к экспертизе, конформизм (неустойчивость мнения), аналитичность и широта мышления, конструктивность мышления (прагматизм), коллективизм и самокритичность.

Для оценки согласованности мнений экспертов можно использовать дисперсионный коэффициент конкордации:
(2-22)

                 где

(2-23)

В формулах (2.22) и (2.23) Т j
— показатель связанных (одинаковых) рангов в j
-
ou
ранжировке, Н j
- число групп равных рангов в j
-
ou
ранжировке; h_k
- число равных рангов в k
-ой группе связанных рангов при ранжировке j
-ым экспертом, п - число объектов, от - число экспертов (./ = 1,...,1я; / = !,..., и).

(2.24)

где r_tj
- ранг, присваиваемый j
-ым экспертом i
-ому объекту; г - средний ранг, равный:

(2.25)
Если коэффициент конкордации равен 1, то все ранжировки экспертов одинаковы, W
= 0, если все ранжировки различны, то есть совершенно нет совпадений. Мнения экспертов согласованы, если W
> 0,6.

Применение экспертных оценок позволяет решать сложные неформализуемые проблемы. Знание научно обоснованного подхода к применению этого метода в технологии функционального управления является необходимым условием эффективной работы руководителей разного уровня.
2.4. Комплексные системы прогнозирования

Практическое использование такие системы находят на высших уровнях управления крупных экономических систем: страны, отрасли, региона, холдинга, транснациональной компании и т.п.

Необходимость в создании комплексных систем возникает в связи со сложностью современных организационно-производственных систем и невозможностью их единообразного описания и прогнозирования С использованием только одного метода.

Разработку комплексных систем прогнозирования ведут исходя из структуры прогнозируемого объекта или процесса.

При разработке и анализе комплексных систем прогнозирования к основным операциям относят определение состава и процедур сингулярных (простых) методов прогнозирования, входящих в систему, а также логические правила их объединения в систему. Простые процедуры используют для прогнозирования подсистем и блоков, входящих в структуру прогнозируемого процесса или объекта.

Примерами использования комплексных систем прогнозирования являются: метод прогнозного графа, система ПАТТЕРН и др.

Метод прогнозного графа

Разработан группой киевских специалистов института кибернетики под руководством академика В.М.Глушкова [12]. Основой метода являются экспертные и формально-математические процедуры построения и анализа опорного графа, отражающего обобщенное суждение широкого круга специалистов о потребностях, возможных путях и ресурсах, необходимых для достижения поставленной цели.

Комплексная система, построенная в соответствии с этим методом, реализует следующие процедуры: выбор объектов прогноза; исследование фона (среды); классификация событий; формирование задач и генеральной цели прогноза; анализ иерархии; формирование событий; принятие внутренней и внешней структуры объекта прогноза; анкетирование экспертов, математическая обработка данных анкетного опроса; количественная оценка структуры; верификация полученных результатов.

Опорный граф строится сверху от события, являющегося конечной целью, до самого нижнего уровня, содержащего события, свершение которых обеспечивают уже имеющиеся научно-технические достижения. Такие события можно считать реализованными («заземленными»).

На каждом уровне группа экспертов формулирует события-цели и условия их достижения. Обработка информации на ЭВМ позволяет определить важность различных событий для свершения конечной цели, найти оптимальные пути и оценить по разным критериям варианты решений.

Программа работы ЭВМ обеспечивает также перестройку графа, его упорядочение, в том числе и ликвидацию тупиков и петель, то есть возврата к уже совершенным событиям, а также перераспределение и обновление информации.

Достоинством метода является возможность работы с графом в режиме диалога «человек - информационная система» для проверки некоторых ситуаций, то есть возможность проигрывать разные ситуации.

Граф является динамической системой, и при поступлении от экспертов новой информации производится пере смотр-ревизия оценок, вариантов прогноза и принятых решений.

В результате этой ревизии ЭВМ может сформулировать запросы к принимающим решение о целесообразности пересмотра тех или иных действий или обсуждения экспертами и принимающими решение вновь сложившейся ситуации. Такие способности прогнозного графа к совершенствованию и «самоанализу» открывают возможности новой методологии планирования и управления.

На рисунке 2.7. представлена структурная схема прогнозирующей подсистемы. Ее функционирование происходит следующим образом. Группа синтеза и интерпретации данных (СИД) формирует поток данных, содержащих результаты анализа и прогнозирования развития интересующей области.

Математическое обеспечение системы (МО) является набором стандартных и специальных программ, которые обеспечивают построение и перестройку прогнозного графа.

Группа задач и методов решения (ЗМР) обеспечивает прием потока задач и запросов. Эта группа тесно связана с деятельностью группы систематизации и координирования данных (СКД), формирующей банк данных (БД) системы и обеспечивающей его рациональное использование.

Поток новой информации в систему происходит по трем каналам. Центральное место занимают идеи и оценки коллектива экспертов (КЭ), с которым в режиме диалога работает группа экспертных оценок (ЭО). При этом КЭ анализирует компетентность и отношение каждого эксперта к работе.

Второй канал потока информации реализуется группой патентного анализа (ПА), которая анализирует материалы патентного фонда (ПФ), относящиеся к объекту прогнозирования.

Группа ПА

Сферы исследований и освоения новой техники

Рис. 2.7. Структурная схема прогнозируемой подсистемы

Третий канал - научно-техническая информация (НТИ). Группа анализа научно-технической информации (АНТИ) собирает и анализирует обзоры, прогнозы, выдвинутые в литературе или поступившие непосредственно от специалистов принципы и идеи. При помощи группы ЭО результаты этого анализа используются так же, как и результаты деятельности группы ПА.

Круг организаций, использующих систему, построенную по типу прогнозного графа, достаточно широк и включает официальные инстанции и органы управления, а также генеральных и главных инструкторов и других специалистов, ответственных за НИОКР и их разделов.

Система ПАТТЕРН

Разработана в США в 1964 г. для обоснования планирования и управления научными исследованиями и опытно-конструкторскими разработками. Используется для обоснования прогнозов и планов посредством научно-технической оценки количественных данных.

Дерево целей

Метод ПАТТЕРН включает ряд взаимосвязанных блоков (рис. 2.8). Материалы обрабатываются на ЭВМ.

ЭВМ

Оценка на данный этап

Рис. 2.8. Структура представления метода ПАТТЕРН

Метод как элемент включает построение сценария (динамической картины будущего). Выявленная в сценарии главная цель детализируется на отдельные подцели, каждая из которых разделяется на более частные задачи (производится декомпозиция цели) и т.д.

«Дерево целей» содержит только те проблемы, которые требуют научно-технической разработки, остальные исключаются из рассмотрения.

Для каждого уровня дерева целей устанавливаются коэффициенты относительной важности всех его элементов, выраженные в долях единицы.

Важное значение имеет определение состояния и возможных сроков завершения работ, характеризуемых коэффициентами состояния разработки и сроков. В основу их расчета положена следующая классификация этапов разработки:

•    производственная готовность - это этап разработки, когда требования, предъявляемые к изделию, могут быть удовлетворены имеющимися техническими возможностями промышленности;

•    техническое проектирование соответствует случаю, когда проблема технически решена, доказана возможность изготовления изделия на имеющемся оборудовании;

•    перспективная разработка отражает этап, когда доказана принципиальная возможность создания изделия и изготавливается опытный образец;

•    поисковая разработка - соответствует этапу, когда проводятся работы для доказательства возможности технического решения проблемы и удовлетворения условиям эксплуатации, проверяются в лабораторных условиях возможные конструктивные решения;

•    теоретические исследования являются начальным этапом разработки.

Рис. 2.9. Этапы разработки

Условные обозначения:

3-1 - производственная готовность; 1-2 - техническое проектирование; 2-3 -перспективная разработка; 3-4 - поисковая разработка; 4-5 - теоретические исследования.

Определение состояния, возможных сроков реализации разработок, а также необходимых затрат производится экспертами. Эти данные используются, прежде всего, для исключения из рассмотрения тех задач, которые близки к завершению, т.е. находящихся на стадии технического проектирования или производственной готовности.

Материалы экспертных оценок служат для построения характеристики изменения денежных затрат по этапам цикла разработки (рис. 2.9.).

Общая площадь под рассматриваемой кривой соответствует суммарным расходам и может быть разделена на две части: завершенную часть (без штриховки) и часть, подлежащую разработке (заштрихованная площадка). Отношение предстоящих затрат к суммарным расходам представляет собой коэффициент состояния разработки.

При разработке подсистем (задач), входящих в «дерево целей», принимаются во внимание возможности частичного использования результатов разработок одних подсистем для других, характеризуемые коэффициентами взаимной полезности. Эти коэффициенты экспертно оцениваются специалистами и выражают относительное снижение затрат времени и других ресурсов.

Принципы, заложенные в систему ПАТТЕРН, позволяют осуществить прогноз и провести анализ в любой области деятельности. Рассматриваемая система позволяет: выбрать объект прогноза; выявить внутренние закономерности его развития; написать сценарий; сформулировать задачи и главную цель прогноза; провести анализ иерархии и декомпозицию целей; понять внутреннюю и внешнюю структуры объекта прогнозирования; провести анкетирование экспертов; выполнить математическую обработку данных анкетирования; количественно оценить структуры; верифицировать результаты; разработать алгоритм распределения ресурсов; провести распределение ресурсов; оценить распределение ресурсов.

Сравнение методов прогнозного графа и метода ПАТТЕРН показывает, что основное преимущество последнего состоит в наличии механизма реализации прогноза.

Метод ПАТТЕРН можно назвать комбинацией методов прогнозирования и стратегического планирования.

3. ПРОВЕРКА АДЕКВАТНОСТИ И СРЕДСТВА ВЕРИФИКАЦИИ
ПРОГНОЗНЫХ МОДЕЛЕЙ

Для обеспечения точности и достоверности результатов прогнозирования необходима проверка адекватности или верификация прогнозной модели.

Проверка адекватности модели выполняется с использованием формальных статистических критериев. Однако такая проверка возможна при наличии надежных статистических параметров как оригинала (объекта прогнозирования), так и модели. Если по каким-то причинам такие оценки отсутствуют, то осуществляют сравнение отдельных свойств оригинала и модели. При этом первоначально должна проверяться истинность реализуемых функций, затем истинность структуры и, наконец, истинность достигаемых при этом значений параметров. Для этого помимо модели необходимо иметь функционирующий оригинал, то есть проводить сопровождающее моделирование.

Таблица 3.1. Методы верификации прогнозных моделей

Метод верификации	Технология верификаци
Прямая верификация	Разработка модели того же объекта с использованием иного метода прогнозирования
Косвенная верификация	Сопоставление результатов, полученных с использованием данной модели, с данными, полученными из других источников
Консеквентная верификация	Верификация результатов моделирования путем аналитического или логического выведения прогноза из ранее полученных прогнозов
Верификация оппонентом	Верификация путем опровержения критических замечаний оппонента по прогнозу
Верификация экспертом	Сравнение результатов прогноза с мнением эксперта
Инверсная верификация	Проверка адекватности прогнозной модели и объекта в ретроспективном периоде
Частичная целевая верификация	Построение условных подмоделей, эквивалентных полной модели, в типовых для проектируемой системы ситуациях
Структурная верификация	Сопоставление структур без экспериментальной проверки сопоставления в целом

Верификация модели - оценка ее функциональной полноты, точности и достоверности с использованием всей доступной информации в тех случаях, когда проверка адекватности по тем или иным причинам невозможна.

В прогнозировании чаще используют верификацию, так как в большинстве случаев реальный объект отсутствует или разрабатываются новые (еще не существующие) функции объекта прогнозирования. В таблице 3.1 представлены наиболее часто используемые методы верификации.

В прогнозировании случай совершенного прогноза достигается крайне редко, поэтому проблема верификации прогнозной модели является одной из важнейших в прогностике. Степень совершенства прогнозов выражают через различные измерители точности прогнозирования. Точность точечного прогноза в момент f, определяется разностью между прогнозом Р, и фактическим значением F_h
прогнозируемого показателя в этот момент времени. Отдельный точечный прогноз не определяет точность конкретной процедуры прогнозирования в целом, то есть потребуется некоторая выборка {(Pj
,
fj
)}, на основе которой рассчитывается значение некоторого измерителя точности прогнозирования.

Важность проблемы точности прогнозирования определяет важность анализа различных ее измерителей. В настоящее время нет достаточно полного исследования всевозможных критериев точности, что затрудняет оценивание возможностей различных моделей и опыта их применения в прикладных работах по прогнозированию конкретных процессов [10].

Для измерения точности прогнозирования можно использовать любой коэффициент парной корреляции между последовательностями прогнозных и фактических значений. Классический критерий точности прогнозирования - коэффициент корреляции Пирсона.

Максимальное значение r = 1 достигается при наличии линейной связи

(3.1)

между Р и F
, т.е. когда существуют такие а₀ и а/>0, что Р = oq

+
a_t

F
.

Однако при а₀ £ 0 и а, = 1 прогноз не будет совершенным, хотя корреляция полная и положительная; только при Р = F
коэффициент корреляции может характеризовать совершенный прогноз.

Коэффициент ранговой корреляции Спирмэна также может быть использован в качестве измерителя точности прогнозирования. Для этого вычисляются ранги {x
} и {у} элементов соответствующих последовательностей {PJ
и {F_t
}. Очевидно, что

(3.2)

Если несколько элементов из Pi
или Ft
имеют одинаковые ранги, то им определяется ранг, равный среднему арифметическому значений мест элементов в данной ранжировке. В этом случае последнее соотношение останется верным. Вычисляются корректирующие множители для связей соответственно для последовательностей x_i
и у_i
:

(3.3)
где г,- и /, равно числу повторений i-го ранга в соответствующих последовательностях. Вычисляют сумму квадратов разностей рангов

(3.4)
Если T_f
или Т_у равно нулю, то коэффициент ранговой корреляции Спирмэна равен:

(3.5)

Коэффициент ранговой корреляции р позволяет характеризовать качественную сторону последовательности прогнозов {Р/j, а именно способность предсказывать точки поворота. Коэффициент ранговой корреляции можно рассматривать как дополнительный измеритель точности прогнозирования при Pi=
Fi и г, близким к 1, так как критерий р инвариантен относительно линейной вариации, причем р=1 прогноз может быть далеко не совершенным, так как для этого достаточно лишь совпадения рангов.

В качестве измерителей точности прогнозирования могут быть использованы и другие коэффициенты парной корреляции, например коэффициент ранговой корреляции Кендэлла. Однако для характеристики коэффициентов парной корреляции как некоторого класса измерителей точности прогнозирования достаточно провести анализ этих двух наиболее часто используемых коэффициентов, чтобы выделить общие для этого класса свойства. Во-первых, инвариантность относительно линейной вариации, а во-вторых, полная корреляция еще fie определяют совершенный прогноз. Еще одним важным свойством коэффициентов парной корреляции является возможность проверки их на значимость, так как определены соответствующие законы распределения этих статистик. Например, для коэффициента ранговой корреляции Спирмэна значимость проверяется с п-2 степенями свободы по следующей t-статистике:

(3.6)

Наиболее распространенными оценками точности прогнозирования также являются средняя ошибка аппроксимации

(3.7)

и средняя квадратическая ошибка прогнозов

(3.8)

Точность прогнозирования тем выше, чем меньше значения е или S соответственно. Совершенный прогноз достигается при e=
S=0.

Одним из исследователей проблем экономического прогнозирования, Г. Тейлом [10], предложен в качестве меры качества прогнозов коэффициент расхождения V (или коэффициент несоответствия), числителем которого является среднеквадратическая ошибка прогноза, а знаменатель равен квадратному корню из среднего квадрата реализации:

(3.9)

Если У=0, то прогноз абсолютно точен (случай «идеального» прогнозирования). Если F=l, то это означает, что прогноз близок к простой (и наивной) экстраполяции. Если У>1, то прогноз дает худший результат, чем предположение о неизменности тенденций исследуемого явления.

Коэффициент расхождения может быть использован при сопоставлении качества прогнозов, получаемых на основе различных методов и моделей. В этом его несомненное достоинство. Величина V поддается разложению на составляющие (частные коэффициенты расхождения), характеризующие влияние ряда факторов (это достигается разложением числителя, представляющего собой средний квадрат ошибки прогноза).

В некоторых случаях более важное значение имеют распознающие способности моделей прогнозирования, особенно при краткосрочном прогнозировании. Например, при прогнозировании выполнения месячных планов предприятий отрасли по особо учитываемой номенклатуре в начале месяца в первую очередь интерес представляет более точная оценка возможности выполнения плана, чем прогнозная информация о величине отклонения от плана. В данном случае целесообразно использовать следующую меру точности прогнозирования:

                                                          (3.10)

где q - число подтвержденных прогнозов; р - число неподтвержденных прогнозов.

Если £~\, то имеет место случай «идеального» прогнозирования.

Таким образом, измерители точности прогнозирования по отношению к инвариантности относительно линейной вариации делятся на инвариантные и не инвариантные. Инвариантные измерители (S и коэффициенты парной корреляции), хотя и не позволяют сравнивать точность прогнозирования различных процессов, могут использоваться для определения точности прогнозирования различных последовательностей прогнозных значений {Pi
} при фиксированной последовательности {Ft
}. Например, подобная ситуация возникает при моделировании, когда необходимо выбирать между несколькими моделями прогнозирования, генерирующими соответствующие последовательности {Ft
}. Инвариантные измерители могут быть проверены на статистическую значимость, то есть с определенной доверительной вероятностью конкретное значение измерителя является обоснованным. Однако особый интерес при построении моделей прогнозирования имеет критерий Г. Тейла, так как позволяет определить, в чем состоит расхождение: имеет место дрейф среднего или дрейф дисперсии. С другой стороны, критерий У не является инвариантным, и есть возможность оценивать применимость модели для совокупности различных прогнозируемых процессов в целом. Например, для прогнозирования по одной модели поведения отдельных предприятий или отрасли в целом.

Средняя ошибка аппроксимации е является наиболее наглядным измерителем точности прогнозирования, что вместе с неинвариантностью приводит к тому, что требование к точности задач прогнозирования формулируется по этому критерию.

Определить точность точечного прогноза по данным формулам можно при ретроспективности прогнозирования, когда апробируется модель, а также для прогнозов с малым периодом упреждения {краткосрочные прогнозы).

Точность и надежность прогнозов - широко распространенные в прогностической литературе термины, смысл которых, как это представляется на первый взгляд, вполне очевиден. Однако содержание этих терминов часто толкуется достаточно субъективно. Нередки случаи, когда одно понятие подменяется другим ввиду отсутствия строгого определения данных категорий [39].

О точности прогноза принято судить по величине погрешности (ошибки) прогноза - разности между прогнозируемым и фактическим значением (реализацией) исследуемой переменной. Однако такой подход к оценке точности возможен только в двух случаях. Во-первых, когда период упреждения уже окончился и исследователь имеет фактические значения переменной. При краткосрочном прогнозировании это вполне реально. Во-вторых, когда прогноз разрабатывается ретроспективно, то есть прогнозирование осуществляется для некоторого момента времени в прошлом, для которого уже имеются фактические данные. Так поступают в тех случаях, когда проверяется разработанная методика прогноза.

При этом имеющаяся информация делится на две части. Одна из них, охватывающая более ранние данные, служит для оценивания параметров прогностической модели, а более поздние данные рассматриваются как реализации соответствующих прогностических оценок. Полученные ретроспективно ошибки прогноза в какой-то мере характеризуют точность примененной методики прогнозирования и могут оказаться полезными при сопоставлении нескольких методов. В то же время величину ошибки ретроспективного прогноза нельзя рассматривать как окончательное доказательство пригодности или, наоборот, непригодности применяемого метода прогнозирования. К ней следует относиться с известной осторожностью и при ее применении в качестве меры точности необходимо учитывать, что она получена при использовании лишь части имеющихся данных. Однако эта мера точности обладает большей наглядностью и уж во всяком случае, более надежна, чем погрешность прогноза, исчисленная для периода, характеристики которого уже были использованы при оценивании параметров модели. В последнем случае погрешности, как правило, будут незначительны и мало зависимы от теоретической обоснованности примененной для прогнозирования модели. Точность же прогнозов будет преувеличенной и в известном смысле иллюзорной.

Если для ретроспективного прогнозирования применяется модель, содержащая одну или несколько экзогенных переменных, то точность прогноза будет в значительной мере зависеть от того, насколько точно определены значения этих переменных на период упреждения. При этом возможны два пути: воспользоваться фактическими значениями экзогенных переменных (так называемый прогноз ex post) и ожидаемыми их значениями (так называемый прогноз ex ante). Естественно, что точность прогноза ех post будет выше, чем прогноза ex ante, так как в первом случае будет исключено искажающее влияние погрешности в значении экзогенных переменных. О степени погрешности прогноза можно судить по относительной ошибке - отношению абсолютной погрешности прогноза к ожидаемому (или фактическому) значению признака. Проверка точности единичного прогноза, как правило, мало, что может сказать исследователю. В самом деле, на формирование исследуемого явления влияет множество разнообразных факторов, поэтому полное совпадение или значительное расхождение прогноза и его реализации может быть следствием просто особо благоприятных (или неблагоприятных) стечении обстоятельств. Хороший единичный прогноз может быть получен и по плохой модели, и наоборот. Отсюда следует, что о качестве прогнозов применяемых методик и моделей можно судить лишь по совокупности сопоставлений прогнозов и их реализации.

Измерители качества прогнозов (их точности) рассматривались выше при условии, что исследователь располагает информацией об истинных значениях величин, которые он оценивал в ходе разработки прогнозов. Такие меры качества, несомненно, представляют ценность при изучении различных методик прогнозирования. Однако в практической работе проблему точности прогноза надо решать тогда, когда период упреждения еще не прошел и истинное значение прогнозируемой переменной неизвестно. В этом случае проблема точности может рассматриваться в плане сопоставления априорных качеств, свойств, присущих альтернативным прогностическим моделям. Так, если прогнозирование осуществляется статистическими методами, то, вероятно, понятие точности прогноза можно сделать более узким, а именно связав априорную точность прогноза с размером доверительного интервала. Модель, дающая более узкий доверительный интервал при одной и той же доверительной вероятности, и является более точной (при этом теоретическая обоснованность сравниваемых моделей является примерно равной).

Очевидно, что надежность прогноза определяется вероятностью наступления прогнозируемого события, - т. е. реализации соответствующей прогностической оценки. Чем она выше, тем выше надежность. Вероятность реализации может быть оценена субъективно (экспертное прогнозирование) или может быть связана с доверительными интервалами прогноза, если последний основывается на статистической модели.

Рассмотренные понятия априорной точности и надежности прогнозов, связанные с доверительными интервалами, являются в значительной мере условными показателями. Они могут использоваться в практической работе лишь при условии, что принятая для получения прогнозов модель имеет серьезное теоретическое обоснование и спецификация модели корректна. В противном случае полученные доверительные интервалы лишь создают иллюзию точности. Практика разработки экономических прогнозов опирается на целую систему методов, среди которых статистические методы прогнозирования занимают важное место. Решающую роль при статистическом подходе к прогнозированию играет выбор соответствующей модели, которая, будучи наполненной числовыми параметрами, становится непосредственным инструментом прогнозирования - так называемым предиктором. Располагая предиктором, можно получить варианты прогноза, отвечающие определенным условиям и гипотезам, учтенным при его построении. Вместе с тем необходимо помнить, что механическое использование предиктора может стать причиной серьезных погрешностей.

Экономическое прогнозирование слишком ответственное дело, для того чтобы можно было ограничиться одними формальными построениями и расчетами. Цель модели - не заменить суждения и опыт специалиста, а дать ему в руки инструмент, позволяющий более глубоко проникнуть в существо исследуемых явлений, инструмент, в котором специфическим образом обобщена и приведена в систему разнообразная статистическая информация. Получаемые на основе предикторов прогнозы имеют смысл только в рамках тех условий, гипотез и предположений, которые были учтены при разработке соответствующих статистических моделей и при их применении для прогнозирования. Таким образом, разработка и применение моделей в прогностических целях предполагают углубленный экономический и экономико-статистический анализ.


4. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ

Для реализации прогнозных моделей необходимо не только располагать своевременной и точной информацией, но и уметь осмысливать ее, делать выводы и результативно воплощать в принимаемых управленческих решениях. Необходимость присутствия информационной составляющей в процессе прогнозирования очевидна, поскольку она является основой всего управленческого процесса. Реализация любой цели в процессе деятельности всегда связана с проблемой выбора из имеющихся прогнозных альтернатив наиболее оптимальных и рациональных, что вносит элемент неопределенности в прогнозную модель. Снижение неопределенности возможно на базе использования информации, обеспечивающей менеджеров определенными сведениями.

Информация - это совокупность сведений, сообщений, данных, материалов, определяющих меру потенциальных знаний менеджера об определенных процессах, происходящих на предприятии в их взаимосвязи. Суть информации составляют только те сведения, которые уменьшают неопределенность интересующих менеджера событий.

Информация в менеджменте и, следовательно, в процессе разработки и реализации прогнозов - сумма нужных, воспринятых и осознанных сведений, необходимых для анализа конкретной ситуации, дающая возможность комплексной оценки причин ее возникновения и развития, позволяющая определить ряд альтернативных прогнозных решений, из которых реально (исходя из конкретной ситуации) найти оптимальное управленческое решение, осуществить контроль за его исполнением.

На характеристики информации влияет целый ряд факторов: объем, способы приема и методы обработки информации, скорость обработки первичных данных и их предоставления менеджеру, степень устаревания данных, актуальность информации в определенный момент времени, достоверность состояния отражаемого объекта, полнота данных, комплектность информации. Особую роль играют используемые средства обработки информации и информационные технологии, применяемые в работе менеджера.

Характер информации для осуществления процесса прогнозирования зависит от условий, в которых осуществляется прогноз. Эти условия можно разделить на детерминированные {определенные}, случайные и неопределенные [34].

• Детерминированные, или определенные, имеют место тогда, когда известен результат каждого из альтернативных вариантов прогноза и выбора на его основе варианта решения. Такая ситуация в реальных экономических процессах достаточно редка. По результатам анализа факторов, влияющих на параметры объекта прогнозирования лишь часть параметров

можно считать жестко детерминированными. При этом считается, что существует лишь один вариант значения или изменения параметров.

•    Случайные условия имеют место тогда, когда представляется возможность определить вероятность появления каждого результата.

•    Вероятность определяют как степень возможности совершения данного события,
и она изменяется от 0 до 1. Сумма вероятностей всех альтернатив должна
быть равна единице (так как они образуют полную группу событий). Вероятность появления событий можно оценить как частоту его появления на
практике или при фиктивном разыгрывании, моделировании ситуации. Вероятности могут быть оценены с помощью экспертных оценок или на основе статистических наблюдений в ретроспективе.

•    Неопределенные условия имеют место тогда, когда невозможно
оценить вероятность потенциальных результатов прогноза. Такая ситуация
возникает при противодействии разумного противника (конкурента), из
пользовании им тайны или конфиденциальности, а также в силу новизны и
сложности требующихся для разработки прогнозной модели факторов, по
которым практически невозможно получить исходную информацию.

По характеру отражения свойств располагаемая об объекте прогнозирования информация может быть отнесена к трем видам.

•    Подсознательная или интуитивная, источниками которой может
быть опыт предыдущих лет, знания менеджера, его квалификация, интуиция и т.п.

•    Предметная информация - описание процесса или состояния объекта прогнозирования естественным языком с использованием приемов
формальной логики. Результат прогнозирования при этом имеет только качественный характер.

•    Количественная, в том числе статистическая информация. Такая
информация получается на этапе ретроспекции при анализе объекта прогнозирования. Результаты прогноза при этом имеют количественные оценки.

По степени достоверности информацию можно разделить на достоверную (полученную из официальных источников), относительно достоверную (из случайных источников) и информацию с возможным умышленным искажением данных.

По отношению объекта управления к субъекту информацию можно классифицировать на обмен между хозяйственной структурой и внешней средой, между подразделениями фирмы, между руководителем и исполнителем и т.п.

Существуют также многообразные классификации информации по следующим признакам:

• по способу передачи (электронная, телефонная, спутниковая, письменная и др.);

•    по изменчивости во времени (условно-постоянная и условно-переменная (недолговечная);

•    по режиму передачи (в не регламентируемые сроки, по запросу и принудительно в определенные сроки);

•    по назначению (экономическая, техническая, организационная, социальная и др.);

• по форме передачи (вербальная (словесная) и невербальная).
Практически все перечисленные виды информации могут быть в той или иной степени задействованы как в процессе разработки прогнозной модели, так и при ее реализации.

Возможности покрытия информационных потребностей при разработке прогнозов зависят от имеющейся на предприятии информационной базы, накопленной за предыдущие периоды деятельности.

Для большинства хозяйствующих субъектов информационные потребности приблизительно одинаковы и их можно сгруппировать следующим образом (рис. 4.1) [17].

Экономическая информация последовательно и полно отражает производственно-хозяйственную деятельность предприятия.

Плановая информация служит для выбора действий, которые могут быть приняты в будущем. Сюда можно отнести информацию, содержащуюся в сметах, бюджетах, показатели производственной программы, экономические нормативы для контроля плановых цифр и т.п.

Рис. 4.1. Классификация информационных потребностей

Нормативно-справочная информация - связующее звено между остальными видами экономической информации. Ее состав определяется типом производства, номенклатурой продукции, сложностью технологического процесса, уровнем развития хозяйственных внутренних связей.

Учетная информация имеет общие черты, принципы и объекты с нормативно-справочной и плановой информацией. Именно эта информация используется как для оперативного управления, так и для разработки долгосрочных и краткосрочных прогнозов.

Первичная информация обеспечивает данными финансовый и управленческий учет. Это текущая оперативная информация о результатах деятельности всех производственных подразделений (цехов, участков, бригад) и даже отдельных работников.

Финансовый учет готовит информацию для внутренних и внешних пользователей, используя при этом для всех предприятий общие правила ведения.

Управленческая учетная информация - это информация, специально подготовленная для руководителей разных уровней и помогающая реализовывать им свои функции. Именно этот вид учета позволяет создать информационную базу, специально подготовленную для прогнозных расчетов.

Как ранее отмечалось (см. п.1.1.), прогнозирование может быть оперативным (ежедневное, недельное, месячное, квартальное), годовым и долгосрочным (свыше одного года). Наиболее часто реализуемое - это ежедневное прогнозирование, выполняемое руководителями низшего уровня управления скорее подсознательно (интуитивно). Оно касается сопоставления возможностей, основанных на результатах прошедших дней, с суточными данными. Так, например, прогнозируют суточный объем производства продукции, принимают решения о незапланированных мероприятиях. Такой прогноз, чаще всего, осуществляется с помощью метода индивидуальных экспертных оценок, базирующегося на опыте и интуиции руководителя. Однако эти прогнозы часто лишены экономической оценки последствий, их влияния на результаты деятельности предприятия и направлены на выполнение плана только по объемным натуральным показателям (носят разовый характер).

В рыночной среде основополагающими становятся прогнозы сбыта и производства, а также прогноз предприятия в капитале (прогноз инвестиций). При этом этапы процесса прогнозирования (рис. 4.2) базируются на определенной, только им присущей информации, разделяющей всю необходимую информационную базу на три составляющие: информацию о внешней среде, информацию о хозяйственной деятельности предприятия и информацию о финансовой деятельности.

Большинство показателей при прогнозе объемов производства определяются путем экстраполяции тенденций развития процессов и явлений из прошлого в будущее. Глубина используемой информации при построении тренда зависит, во-первых, от начала развития тенденций (роста или снижения) и, во-вторых, от переломного периода в общей тенденции (например, начала экономических преобразований в стране). Кроме экстраполируемых данных, в прогнозе используются удельные показатели и нормативы.

Потребности в информации на каждом этапе прогнозирования представлены в таблице 4.1. Разработка прогноза начинается с изучения рынка, определения прогнозных цен на продукцию и установления возможностей предприятия по сбыту.

Прогноз сбыта

Прогноз производства

Рис. 4.2. Стадии реализации процесса прогнозирования

Следует учитывать, что прогноз есть вероятность наступления тех или иных событий и практически всегда в нем присутствует ошибка неопределенности и случайного влияния на показатель неучтенных и редко происходящих фактов. Это означает, что «идеальный прогноз» часто невозможен. Прогнозировать можно только область возможных состояний, дополняя экстраполируемое значение доверительным интервалом прогноза. При прогнозировании деятельности предприятия наименее детерминированным событием является тенденция развития внешней среды, особенно цен, так как они зачастую не зависят от деятельности самой хозяйственной структуры. Поэтому именно для прогноза ценовых индексов-дефляторов определяется область возможных значений, границы которой представляют собой пессимистический и оптимистический варианты развития. Таким образом, дальнейшие расчеты ведутся по трем вариантам, добавляя к уже названным двум наиболее вероятный, соответствующий значениям линии тренда (т.е. средний вариант прогноза).

На динамику некоторых стоимостных показателей (затрат по статьям, капитальных вложений, отвлечений из прибыли) большое влияние оказывает инфляция. В результате того, что в последние годы уровень инфляции изменяется в больших пределах, ее влияние часто скрывало тенденции происходящих на предприятиях процессов.

Поэтому для учета инфляции всю, накопленную за предыдущие периоды стоимостную информацию приводят сначала в сопоставимый вид, освобождая ее от влияния инфляционных процессов (то есть к единым ценам). Сопоставимыми ценами при этом выбирают цены, действующие в период разработки прогноза, связывая прошлые и будущие значения в текущем периоде, что позволяет предварительно оценить текущее состояние предприятия. Затем сопоставимые показатели экстраполируются, и полученные прогнозные значения приводят к действующим в прогнозном периоде ценам.

Анализ состава данных, применяемых для разработки прогнозной модели, позволяет сделать вывод о детерминированности (причинно-следственной обусловленности) между объемом производства и практически всеми показателями, отражающими деятельность хозяйственной структуры. Экономические результаты в большей степени зависят от влияния внешних факторов, часто носящих случайный характер (цены, темпы инфляции и т.п.).

Таблица 4.1
Характер информации для разработки прогнозной модели

Стадии процесса прогнозирования	Результирующие показатели	Характер информации
1 . Прогноз сбыта	Цена на продукцию на внутреннем и внешнем рынках, курс доллара, суммы акциза, объемы выручки от прочей реализации (работ, услуг)	Тенденции изменения индексов-дефляторов, тренды динамики курса доллара, ставок акциза, тенденции в объемах услуг, оказываемых на сторону (в натуральном и стоимостном выражении)
2. Прогноз производства	Объемы производства продукции в целом по предприятию и по структурным подразделениям, товарная продукция	Экстраполяция объемов производства за предшествующие периоды, норматив потерь при транспортировке продукции до потребителя, расход продукции на собственные нужды
3. Прогноз доходов	Объемы реализации продукции, выручка от реализации продукции, общий объем доходов, чистая выручка (без НДС и акцизов)	Остатки продукции на начало периода, период оборачиваемости остатков, среднесуточный объем производства, ожидаемая величина остатков продукции на конец периода, ставки НДС, уровень сопоставимых и действующих цен
4. Прогноз затрат	Смета затрат по статьям себестоимость основных видов продукции, себе стоимость единицы продукции, налоги, относимые на себестоимость	Распределение затрат на условно-постоянные и условно -переменные, зависимость изменения численности от объема производства, динамика средней заработной платы под влиянием инфляции, тенденции в изменении амортизационных отчислений, изменение переменных затрат, ожидаемый уровень прочих и общепроизводственных затрат
5. Прогноз прибыли	Прибыль от реализации продукции и услуг, балансовая прибыль	Прогнозы доходов и затрат, расчет налогов, относимых на прибыль, динамика отвлеченных денежных средств из прибыли под воздействием инфляции
6. Прогнозирование инвестиций	Источники финансирования и финансовые расходы, избыток (дефицит) денежных средств)	Прогноз амортизационных отчислений, прибыли, отвлечений из прибыли, пополнение собственных оборотных средств, прогноз инвестиционной активности
7. Прогноз денежных поступлений	Объем реализации продукции по направлениям сбыта, чистая выручка от реализации продукции, услуг на сторону по направлениям, сумма денежных поступлений от потребителей продукция (работ, услуг)	Размер отгруженной продукции в натуральном и стоимостном выражении на начало года, средний срок транспортировки до потребителя, реализация продукции в прогнозном периоде по отгрузке, ожидаемый размер отгруженной продукции на конец прогнозного периода, ожидаемый размер дебиторской задолженности
8. Прогнозирование денежных расходов	Сумма денежных расходов	Прогноз капитальных вложений, прогнозное значение налоговых платежей, эксплуатационные расходы, размер кредиторской задолженности на начало прогнозного периода, период оборота кредиторской задолженности, ожидаемая величина обязательств на конец прогнозного периода
9. Финансовый прогноз	Прогноз избытка или дефицита денежных средств, возможность погашения недоимки в бюджеты и внебюджетные фонды, прогноз создания резервов денежных средств	Остаток средств на начало периода, прогноз поступления и использования денежных средств, возможность использования краткосрочных и долгосрочных заемных средств, ожидаемый остаток средств на конец прогнозного периода
10. Прогнозный баланс	Распределение капитала предприятия по статьям агрегатированного баланса, ликвидность, платёжеспособность, рентабельность капитана	Результаты расчётов на предыдущих стадиях прогноза

При разработке долгосрочных прогнозов объем информации может быть несколько сокращен в силу большой степени инерционности показателей и эволюторного характера их развития. Внимание при прогнозировании при этом должно уделяться количественной оценке влияния «фоновых» параметров, формирующих внешнюю среду. В краткосрочном периоде все больше возрастает зависимость результатов прогноза от объема информации.

С информационным обеспечением прогнозного моделирования связан ряд проблем, которые во многом объясняются Действующей в настоящее время практикой учета и отчетности.

Во-первых, действующая государственная отчетность, ориентированная в основном на внешних пользователей, имеет периодический характер, где отсутствует информация по более мелким интервалам времени. Для получения более точных и надежных прогнозов необходимым является отслеживание устойчивой сопоставимой динамики, охватывающей как минимум 7-8 интервалов. Эта проблема особенно актуальна для информации о стоимостных показателях, которая наиболее подвержена влиянию факторов неопределенности и зачастую трудно сопоставима.

Во-вторых, использование данных первичного учета для разработки прогнозов и принятия на их основе управленческих решений осложняется из-за отсутствия единообразия форм первичного учета, большого объема оперативной информации, которая зачастую носит разрозненный характер и не всегда систематизирована.

В-третьих, на предприятиях часто слабо организован сам процесс сбора и подготовки информации для последующих управленческих решений, носящих перспективный характер, практически отсутствует ответственность за подачу несвоевременной и неточной информации со стороны лиц, исполняющих учетные функции.

Для сведения к минимуму отмеченных недостатков в информационном обеспечении системы управления деятельностью предприятий и, особенно сложных интегрированных структур, можно предложить использование элементов управленческого (производственного) учета, широко используемого в зарубежной практике [17].

Управленческий учет в отличие от финансового, имеющего ориентацию на внешних пользователей, обеспечивает информацией лиц, ответственных за принятие перспективных решений.

При разработке экономических прогнозов на уровне хозяйственных структур информация может быть запрошена администрацией (дирекцией) немедленно, по мере необходимости. Учитывая, что принимаемые решения носят прогностический характер, менеджеры нуждаются в детальной информации о предполагаемых объемных показателях, затратах и доходах.

Если в настоящее время данные об объемах производимой и реализуемой продукции подаются менеджерам достаточно оперативно, то про производственные затраты этого сказать нельзя, хотя эффективное управление производством на предприятиях невозможно без развитой, хорошо отлаженной системы учета производственных затрат.

Отмеченные ранее недостатки в системе учета приводят к тому, что прогноз затрат становится очень приближенным и не учитывает реальную экономическую ситуацию на местах возникновения затрат. Отсутствие персональной заинтересованности менеджеров центров ответственности за понесенные затраты приводит к частым сбоям в подаче информации, к искажению подлинного уровня затрат {преуменьшению или, наоборот, «раздуванию» расходов структурных подразделений). Особенно сложным становится формирование репрезентативной выборки по затратам и их элементам в краткосрочные периоды времени (недели, месяцы), что затрудняет вычисление сметных уравнений, широко применяемых в западной практике учета для прогнозирования характера поведения затрат (особенно при оптимизационном прогнозировании). Расчет сметных уравнений для каждого элемента затрат необходим в силу того, что затраты по отдельным элементам и статьям изменяются неравномерно в зависимости от объемов производства: одни носят ярко выраженный переменный характер (материалы, топливо, энергия); другие - постоянный (общецеховые и общепроизводственные расходы, амортизация); третьи являются смешанными, полупеременными (расходы на содержание и эксплуатацию оборудования). С помощью сметных уравнений определяют вид, тесноту связи между затратами, долю постоянных затрат в их общей сумме и прогнозируют поведение себестоимости и отдельных элементов на определенный период с достаточной степенью точностью. Имея сметные уравнения, легко можно при прогнозировании вносить поправки на инфляцию (так как разные составляющие затрат инфлируют неравномерно), что также повышает качество прогнозов.

В нашу задачу не входит описание всех методов деления затрат на постоянные и переменные. Они хорошо изучены, им посвящено множество книг и монографий [3, 17, 18], Из числа наиболее часто используемых можно назвать метод высшей и низшей точки, метод наименьших квадратов, метод корреляции и т.п. Надежность использования этих методов

можно повысить, проводя тщательный качественный предварительный анализ данных. Исследовать поведение различных видов затрат в зависимости от объемов производства можно при помощи вычислительной техники и стандартных статистических программ. Вводя дополнительную информацию о меняющихся затратах, можно с помощью таких программ легко корректировать параметры прогнозных уравнений и подсчитывать ожидаемые расходы. Применение средств вычислительной техники при решении прогностических задач обеспечивает, с одной стороны, оперативное, нетрудоемкое их решение, а с другой - хорошее качество информации, получаемой для перспективного анализа и проведение на его основе прогноза.

Кроме внедрения в производственную и учетную практику хозяйствующих субъектов элементов управленческого учета, необходимым является создание системы раннего предупреждения, то есть особой информационной системы, благодаря которой руководство предприятия должно получать сведения о потенциальных опасностях, грозящих от внешней среды и (или) внутренней среды самого предприятия, с тем, чтобы своевременно и целенаправленно реагировать на «угрозы» соответствующими мероприятиями.

Данные раннего предупреждения выступают в роли своеобразных индикаторов и показывают их влияние на динамику оборота и прибыли в случае, когда менеджерами не принимаются никакие меры. По сути, речь идет о комбинированной прогнозно-аналитической информации, которая исходит из, во многом, скрытых явлений и позволяет спрогнозировать их воздействие с высокой заданной вероятностью.

Процесс создания системы раннего предупреждения должен включать следующие этапы [36]:

1.    Определение области наблюдения. При этом в соответствии с целями предприятия определяются потенциальные источники опасности, которые могут служить причиной кризисного развития предприятия. Внешними областями наблюдения могут быть специфические рынки (местный, региональный, внешний), технологические сферы; внутренними - продуктовые программы. Схематично внешние и внутренние области наблюдения
показаны на рис. 4.3.

2.    Определение индикаторов раннего предупреждения (об объемах заказа, ценах на рынках снабжения и сбыта, об инвестициях и т.п.).

3.    Определение целевых показателей и интервалов их изменения по каждому индикатору.

Определение задач для центров обработки информации. При этом периферийными элементами (датчиками), которые улавливают изменение индикаторов, могут быть менеджеры всех подразделений хозяйственной структуры. В ряде случаев возможна децентрализованная оценка сигналов раннего предупреждения, а централизованная обработка может быть возложена на службы маркетинга и планово-экономический отдел, группу прогнозирования.

Национальная и хозяйственная международная среда

Технологическая среда	Внутренние области наблюдения				Социально-культурная среда
	Продуктовая программа
	Персонал
	Оборудование и финансовое вложение
	НИОКР	Сбыт	Производство и снабжение	Управление

Политико-правовая среда

Экологическая среда

Рис. 43. Области наблюдения в системе раннего предупреждения

5. Формирование информационных каналов. Речь идет о структурировании информационных связей между внешней средой, структурными подразделениями и системой раннего предупреждения, а также между этой системой и ее пользователями - руководителями всех уровней.

Сбор, документирование и обработку информации раннего предупреждения следует осуществлять при помощи компьютерной техники и современных информационных технологий. Новые информационные технологии включают:                                                         •

•    новые технологии коммуникаций на основе локальных и распределительных сетей ЭВМ;

•    новые технологии обработки информации на основе персональных компьютеров (ПЭВМ) и специализированных рабочих мест;

•    технологии, исключающие бумагу как основной носитель информации;         ,

•    новые технологии принятия решений на основе средств искусственного интеллекта - баз знаний, экспертных систем, систем моделирования с различными формами представления моделируемых ситуаций и т.п.

Внедрение новых информационных технологий в управленческую и прогностическую деятельность преследует не только автоматизацию рутинных методов обработки информации, но и организацию информационно-коммуникационного процесса прогнозирования на качественно новом уровне.

Создание ориентированной на результат системы раннего предупреждения требует полной автоматизации обработки информации, что обусловлено большим объемом данных, которые должны быть обработаны и сохранены, необходимостью обращения к различным целям и исходным данным, большим количеством расчетных операций, которые необходимо выполнить в короткое время, чтобы своевременно подготовить текущую проблемно структурированную управленческую информацию.

В сложной хозяйственной структуре такая автоматизация возможна на основе создания интегрированной информационно-управленческой системы (УИС), которая позволит:

•    получать машинное представление широкого спектра управленческой информации (плановой, оперативной, контрольной, прогнозной) в документированной форме:

•    обсчитывать на ЭВМ и представлять программируемые виды (процессы) управленческой деятельности.

Достоинство такой системы - ее ориентация не только на прошлые периоды, но и на будущее. В отличие от автоматизированных систем плановых расчетов (которые в настоящее время используются на большинстве предприятий) в системе УИС должна учитываться прогнозная информация, подготовленная на базе расчетных моделей, в соответствии с принципом замкнутого контура управления, а на базе прогнозных, контрольных показателей и Данных раннего предупреждения формироваться информация для регулирующих воздействий.

Во многих хозяйственных структурах, учитывая их системную сложность, создать всеобъемлющую информационно-коммуникационную сеть предприятия практически невозможно. Однако, если первоначально нельзя достичь полной интеграции, то возможно создать локальные субсистемы (например, по центрам ответственности), которые формируются в отдельности, а в дальнейшем могут быть объединены в замкнутую информационную сеть, где получают большое количество информации и проводят машинную подготовку принимаемых прогнозных решений. В связи с этим функциональные связи между субсистемами должны быть учтены уже на первой фазе реализации, и должна существовать единая концепция создания глобальной системы. Внедрение такой системы позволит упорядочить документооборот, исключить несогласованность документов, ускорить процесс их формирования, улучшить качество принимаемых решений.

Работоспособность информационной системы во многом будет зависеть от характера данных, поступающих из различных подразделений предприятия. Новый подход к прогнозированию (прежде всего краткосрочному) приведет к увеличению информационных потребностей и расширению перечня исходных данных, необходимых для осуществления прогноза.

В результате формируется новая информация о доходности и рентабельности подразделений предприятий и видов продукции, составляются модели трендов объемных показателей, сметные уравнения ожидаемых затрат по центрам ответственности, информация о минимально необходимых выплатах из прибыли, о портфеле заказов по поставщикам, подрядчикам, покупателям и заказчикам и т.д.

Вся перечисленная информация, включая традиционные учетные данные, содержащиеся в официальной статистической и финансовой отчетности, составляют банк базовых данных, являющихся входной информацией для банка моделей. Для получения на основе этих данных управленческой информации их следует подвергнуть обработке специальными программами обобщения данных, и тогда они уже в обобщенном виде послужат материалом для управления на различных ступенях иерархии.

При создании интегрированной УИС устраняется негативное воздействие искусственных границ между подразделениями. Информационные потоки в интегрированной системе становятся естественным отражением действительных взаимосвязей всех процессов в рамках предприятия и позволяют создать имитационную модель сложной хозяйственной структуры.

Используя имитационные и оптимизационные модели из банка управленческих моделей (например, балансовые модели, экстраполяционные модели, сметные уравнения), можно определить воздействие изменений в производственной программе и потенциале предприятия или влияние изменения стоимостных параметров на высшие конкретные (стоимостные) цели предприятия, что может служить основой для принятия необходимых решений руководством предприятия.

4.
ОРГАНИЗАЦИЯ И ЭТАПЫ РАЗРАБОТКИ
ЭКОНОМИЧЕСКИХ ПРОГНОЗОВ

Организация работ по прогнозированию представляет собой комплекс взаимосвязанных мероприятий, направленных на создание условий для прогнозирования полезного эффекта и элементов совокупных затрат по продукции с целью подготовки информации для принятия оперативных и стратегических решений. Задачами организации работ по прогнозированию являются:

•    сбор и систематизация необходимой для прогнозирования информации;

•    подготовка специалистов, владеющих основными приемами и методами прогнозирования;

•    формирование и организация функционирования рабочих органов
программирования, интегрированных с существующими службами управления.

Рациональная организация работ по прогнозированию должна обеспечивать оперативное получение вариантов качественных характеристик изучаемого объекта, тенденций его изменения, также сокращение средств и трудозатрат на проведение прогнозирования. Выполнение этих требований возможно при соблюдении определенных принципов организации работ по прогнозированию, представленных в табл. 5.1.

Для реализации всех перечисленных принципов в хозяйственной структуре должно существовать специализированное подразделение, работу в котором должен координировать и возглавлять один из высших руководителей, так как в противном случае эта работа «затухает» и оказывается недостаточно эффективной.

При решении организационных вопросов необходимо установить, будет ли весь прогнозный расчет выполняться штатными сотрудниками или будет принято решение по привлечению специализированной консалтинговой организации.

При разработке долгосрочных и среднесрочных стратегических прогнозов в ряде случаев целесообразно привлекать внешних консультантов. Для такого привлечения существует ряд аргументов:

1.   Прогнозирование требует профессионализма: специалист лучше
владеет сложной методологией исследования, включающей разнообразные
методы.

2.   Выполняя прогнозные работы в различных областях деятельности,
консультант лучше ощущает связи между элементами целого, поэтому он
может лучше реализовать системный подход как основу прогнозирования.

Не являясь штатным сотрудником, внешний консультант больше
заинтересован в объективности и эффективности прогноза и более объективен, так как не зависит от мнений других членов и руководителей хозяйственной структуры (с чем вынужден считаться штатный сотрудник).

Таблица 5.1.

Принципы организации работ по прогнозированию

Принцип	Содержание
Адресность	Выполнение прогнозов для строго определенного заказчика
Параллельность	Использование для сокращения времени сбора и обработки информации и выполнения прогнозирования
Непрерывность	Систематический сбор и обработка поступающей информации и внесение корректив в прогноз
Прямоточность	Строго целесообразная передача информации от одного исполнителя к другому по кратчайшему пути
Автоматичность	Сокращение времени и затрат на сбор и обработку исходных данных и выполнение прогнозирования
Адекватность	Оценка вероятности реализации выявленной тенденции
Управляемость	Применение количественных оценок показателей качества и затрат, экономико-математических методов н моделей
Альтернативность	Вероятностный характер прогнозирования, формирование альтернатив развития в зависимость от поставленных целей
Адаптивность	Изучение и максимальное использование факторов внешней и внутренней среды объекта прогнозирования, приспособление методов и параметров прогнозирования к этим факторам, к конкретной ситуации

Привлечение консультантов-экспертов при разработке прогнозов обосновано на стадии сценарного прогнозирования, где требуется большое число экспертных оценок, аналитических расчетов.

Если же принято решение о прогнозировании силами штатных сотрудников, то руководитель должен определить:

- перечень и характер участия подразделений в этой работе;

- методику, формы, сроки выполнения работы;

- ответственных за выполнение различных операций;

- порядок принятия и реализации прогноза.

Прогнозные разработки являются неотъемлемой составной частью комплексных целевых программ. При разработке прогнозов можно выделить следующие этапы (см. п.п. 1.1, 1.3): сбор, анализ и корректировка материалов по прогнозированию; анализ сложившихся тенденций и проблем повышения качества продукции; разработку прогнозов в составе предполагаемой комплексной программы.

Структура прогноза обусловлена сроками, на которые он разрабатывается, а также основными направлениями научно-технического прогресса, которые зависят от «срока жизни» тенденций, сложившихся в период, предшествующий их разработке. Чем более устойчивый характер имеют тенденции, тем шире может быть горизонт прогнозирования.

Рис. 5.1. Вариант структурной схемы цикла прогнозировании

Прогноз является предплановым документом и поэтому его внедрение на практике означает разработку научно обоснованного, оптимального плана повышения эффективности производства на основе использования вариантов прогноза показателей качества и затрат на его достижение.

Таким образом, на практике имеет место прогнозный цикл (рис. 5.1) [8], включающий осознание проблемы, определение цели прогнозирования, критериев оценки прогноза, прогнозирование и принятие решений на

основе прогноза, распределение ресурсов, мотивацию участников процесса, практическую реализацию прогноза, контроль и оценку результатов.

Общая логическая последовательность важнейших операций разработки прогноза сводится к следующим основным этапам:

•    предпрогнозная ориентация (программа исследования). Уточнение
задания на прогноз: характер, масштабы, объект, периоды обоснования и
упреждения и т.д. Формулирование общей цели, декомпозиция целей;

•    анализ объекта прогнозирования и среды, динамических рядов показателей;

•    разработка сценария развития среды и определение прогнозного горизонта;

•    разработка типового представления объекта прогнозирования;

•    построение серии гипотетических (предварительных) поисковых
или нормативных моделей прогнозируемого объекта;

•    проведение прогнозного моделирования;

•    оценка достоверности и точности, а также обоснованности (верификации) прогноза;

•    анализ результатов прогнозирования;

•    выработка по результатам анализа рекомендаций для принятия решений в сфере управления;

•    экспертное обсуждение прогноза (экспертиза) и рекомендаций, их
доработка с учетом замечаний экспертов.

Структура прогноза обусловлена сроками, на которые он разрабатывается, а также основными направлениями научно-технического прогресса, которые зависят от «срока жизни» тенденций, сложившихся в период, предшествующий их разработке. Чем более устойчивый характер имеют тенденции, тем шире может быть горизонт прогнозирования.

Прогноз является предплановым документом и поэтому его внедрение на практике означает разработку научно обоснованного оптимального плана повышения эффективности производства на основе использования вариантов прогноза показателей качества и затрат на его достижение.

6. КРАТКИЙ СЛОВАРЬ ТЕРМИНОВ

Анализ ретроспективный—        метод изучения сложившихся в прошлом тенденций технического, социального, экономического развития объекта для формирования стратегии
его развития.

Верификация-         проверка истинности (адекватности) прогнозной модели.

Вероятность - степень возможности свершения данного события (изменяется от 0 до 1).

‘’Дерево целей’’ - структурированная, построенная по иерархическому принципу (ранжированная по уровням) совокупность целей системы, программы, плана.

Динамический ряд - временная последовательность ретроспективных значений переменной объекта прогнозирования.

Задание на прогноз - документ, определяющий цели и задачи прогноза и регламентирующий порядок его разработки.

Значащая переменная объекта прогнозирования - переменная объекта прогнозирования, принимаемая для описания объекта в соответствии с задачей прогноза.

Корреляционное поле - графическое изображение зависимости функции от фактора с целью предварительного определения тесноты и формы связи между функцией и
каждым фактором.

Критерий Стьюдента —   математический   критерий,   характеризующий существенность факторов, входящих в модель.

Метод прогнозирования —          способ исследования объекта прогнозирования, направленный на разработку прогнозов.

Методика прогнозирования - совокупность оригинальных правил использования   приемов   прогнозирования при   разработке конкретного прогноза.

Методы параметрические - методы прогнозирования элементов полезного эффекта, затрат и других, основанные на установлении зависимости между параметрами объекта и
организационно- технического уровня производства, с одной стороны, и полезным эффектом или элементами затрат - с другой.

Методы экономико-математические —         методы анализа и оптимизации, которые применяются для выбора наилучших, оптимальных вариантов, определяющих хозяйственные решения в сложившихся или планируемых экономических условиях.

Методы экспертные -       методы прогнозирования, заключающиеся в выработке коллективного мнения группы специалистов в данной области.

Методы экстраполяции -1) методы, основанные на прогнозировании, изделия, необходимого для реализации того или иного аспекта программы.

-2) методы, основанные на прогнозировании поведения или развития объекта в будущем по тенденциям (трендам) его поведения в прошлом.

Модуль - упрощенное представление объекта, используемая для прогнозирования возможных состояний объекта в будущем.

Неопределённые условия - возникают тогда, тогда невозможно оценить вероятность потенциальных результатов.

Нормативный прогноз — прогноз, устанавливающий пути и сроки достижения определенных состояний объекта прогнозирования.

Период упреждения - это период, на который разрабатывается прогноз.

План-это решение, директивное определение перечня и сроков действий, исходя из определенных целей и ресурсов.

Поисковый прогноз - это прогноз, устанавливающий возможные со стояния объекта прогнозирования.

Показатель - величина, измеритель, позволяющий судить о состоянии объекта.

Предвидение - опережающее отображение действительности, основанное на познании законов развития объекта или процесса (включает прогноз и предсказание).

Предсказание - достоверное, основанное на логической последовательности суждений заключение о состояниях какого-либо объекта или процесса в будущем.

Приём прогнозирования - одна или несколько логических или математических операций, направленных на получение конкретного объекта в определенные сроки.

Прогноз - вероятностное суждение о состояниях объекта в будущем или об альтернативных путях достижения этого состояния.

Прогнозная ретроспекция - этап прогнозирования, на котором исследуется история объекта прогнозирования и прогнозного фона с целью получения их систематизированного описания.

Прогнозный горизонт - это максимальный период упреждения, при котором обеспечивается заданная точность и надежность прогноза.

Прогнозный диагноз - этап прогнозирования, на котором исследуется
история объекта, прогнозного фона с целью выявления проблем, тенденций их развития и выбора метода прогнозирования.

Прогностика (футурология) - научная дисциплина о закономерностях разработки прогнозов.

Проект - решение относительно конкретного мероприятия, сооружения.

Проспекция - этап прогнозирования, на котором с использованием выбранных методов разрабатываются прогнозы объекта прогнозирования, прогнозного фона, производится их верификация.

Системный подход к менеджменту - подход, при котором любая система (объект)
рассматривается как совокупность взаимосвязанных элементов.

Структура - способ сочетания составных частей (компонентов) системы для наилучшего выполнения главной ее цели.

Тренд - аналитическое или графическое представление изменений переменной во времени, полученное в результате выделения регулярной составляющей динамического ряда.

Управленческое решение - результат анализа, прогнозирования, оптимизации, экономического обоснования и выбора альтернативы из множества вариантов достижения конкретной цели системы менеджмента.

Фактор - частный показатель объекта или процессов, протекающих в системе, оказывающих влияние на функцию.

Формальные статистические данные - получают на этапе ретроспекции при анализе
объекта прогнозирования или используя данные официальной статистики.

Функция - результативный признак, прогнозная величина, рассчитанная по уравнению регрессии.

Характеристика объекта прогнозирования - качественное или количественное отражение какого-либо свойства объекта прогнозирования.

Целевой прогноз - гипотетическая картина последовательного развития во времени и пространстве событий, составляющих в совокупности эволюцию системы.

Экзогенная переменная объекта прогнозирования - значащая переменная объекта прогнозирования, отражающая свойства прогнозного фона (внешней среды).

Эндогенная переменная объекта прогнозирования - значащая переменная объекта прогнозирования, отражающая его собственные свойства.

Энтропия - величина, характеризующая степень неопределенности объекта.

Этап прогнозирования - часть процесса разработки прогноза, характеризующаяся своими задачами, методами и результатами.

ЛИТЕРАТУРА

1. Алексеева   М.М.    Планирование   деятельности    фирмы:    Учебно-методическое пособие. - М.: Финансы и статистика, 1997. - 248 с.

2.       Анташов В.А., Уварова Г.В. Экономический советник менеджера: Учебно-практическое пособие. - М.: Финансы, учет, аудит, 1996. – 318 с.

3.       Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. — 3-е изд., перераб. — М.: Финансы и статистика, 1995. — 288 с.

4.       Балабанов И.Т. Риск-менеджмент. - М.: Финансы и статистика, 1996. - 192 с.

5.       Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки в принятии плановых решений. - М.: Экономика, 1976.

6.       Виханский О.С. Стратегическое управление: Учебник. - 2-е изд., перераб. и доп. - М.: Гардарика, 1998. - 296 с.

7.       Гжегорчик Е.Д. Популярная логика (Краткий очерк логики предположений). - М.: Наука, 1980. - 179 с.

8.       Глущенко В.В. Менеджмент: системные основы: 2-е изд., доп. и испр. - Железнодорожный, Моск.обл.: ТОО НПЦ «Крылья», 1998. - 224 с.

9.       Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования экспериментов. - Железнодорожный, Моск.обл.: ТОО НПЦ «Крылья», 1997. – 400 с.

10. Тейл Г. Экономические прогнозы и принятие решений. - М.: Статистика, 1977.-282 с.

11.Джонстон Дж. Экономические методы: Пер. с англ, и пред. А.А.Рывкина. - М.: Статистика, 1990. - 444 с.

12.Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. - М.: Экономика, 1978. - 136 с.

13.Информатика в статистике: Словарь-справочник. — М.: Финансы и статистика, 1994.-208с.

14.Карасев А.И., Крамер Н.Ш., Савельева Т.Н. Математические методы и модели в планировании. - М.: Экономика, 1987. - 239 с.

15.Карданская Н.Л. Основы принятия решений: Учебное пособие. - М.: Русская Деловая Литература, 1998. - 288 с.

16.Карлоф Б. Деловая стратегия: Пер. с англ. / Науч. ред. и авт. послесл. В.А.Приписнов. - М.: Экономика, 1991. - 239 с.

17.Карпова Т.П. Основы управленческого учета: Учебное пособие. - М.: ИНФРА-М, 1997. - 392 с.

18.Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. - М.: Финансы и статистика, 1996. - 432 с.

19.Козлов Н.А., Бочаров Е.П. Перспективный экономический анализ. -М.: Финансы и статистика, 1987. - 256 с.

20.Лобаяова Б. Стратегическое планирование и прогнозирование на предприятии // Российский экономический журнал. - 1992. — №№ 3-5.

21. ЛьюисК.Д. Методы прогнозирования экономических показателей. - М.: Финансы и статистика, 1986. - 3 18 с.

22.Менеджмент организации: Учебное пособие./ Румянцева З.П., Саломатин Н.А., Акбердин Р.З. и др. - М.: ИНФРА-М, 1997. - 432 с.

23.Нанивская В.Г., Пленкина В.В., Тонышева Л.Л. Управление предприятиями в рыночной экономической системе: Учебное пособие. - Тюмень, 1995.-80 с.

24.Перспективное отраслевое планирование: экономико-математические методы и модели / Под ред. А.Г. Аганбегяна. - Новосибирск: Наука, 1986.-358с.

25.Планирование в сложных хозяйственных системах / В.Г.Нанивская, В.В. Пленкина,     Л. Л. Тонышева,      Г.А.Чистякова,      И.В.Андронова, Е.М.Дебердиева. Под ред. В.Г.Нанивской. Учебное пособие. - Тюмень: ТюмГНГУ, 1998.-80 с.

26.Рабочая книга по прогнозированию / Редкол.: И.В.Бестужев-Л а да (отв. ред.).-М.: Мысль, 1982.-430с.

27.Рябушкин Б.Г. Применение статистических методов в экономическом анализе и прогнозировании. - М.: Финансы и статистика, 1990. - 345 с.

28.Саркисян С.А. Теория прогнозирования И принятия решений. - М.: Высшая школа, 1977.— 351 с.

29.Статистика рынка товаров и услуг: Учебник/ Беляевский И.К., Кулагина Г.Д., Короткое А.В. и др.; Под ред. И.К. Беляевского. - М.: Финансы и статистика, 1995.-432 с. 30.Статистическое    моделирование    и    прогнозирование   /    Под    ред. А.Т.Гринберга. - М.: Финансы и статистика, 1990. - 285 с.

31.Теория вероятностей и математическая статистика: Учебное пособие для экономических специальностей ВУЗов/ В.А. Колемаев, О.В. Староверов, В.Б. Турундаевский; Под ред. В.А. Колемаева. - М.: Высшая школа, 1991.-400 с.

32.Теория и практика статистического моделирования экономики / Под ред. Е.М.Четыркина, А.Класса. - М.: Финансы и статистика, 1986. - 272 с.

33.Уткин Э.А. Управление фирмой.— М.: Акалис, 1996.-516 с.

34.Фатхутдинов Р.А. Разработка управленческого решения: Учебное пособие.-М.: ЗАО

Бизнес-школа «Интел-Синтез», 1997. -208 с.

35.Фатхутдинов Р.А. Система менеджмента: Учебно-практическое пособие, 2-е изд. - М.: ЗАО Бизнес-школа «Интел-Синтез», 1997. - 352 с.

36.Хан Д. Планирование и контроль: концепция контроллинга: Пер. с нем./ Под ред. и предисл. А.А.Турчака, Л.Г.Головача, М.Л.Лукашевича. - М.: Финансы и статистика, 1997. - 800 с.

37. Цыгичко В.Н. Руководителю - о принятии решений. - 2-е изд., испр. И доп. - М.: ИНФРА-М, 1996. - 272 с.

38.Четыркин Е.М. Методы финансовых и коммерческих расчетов. 2-е изд., испр. И доп.-М: Дело, 1995.-348с.

39.Четыркин Е.М. Статистические методы прогнозирования. - 2-е изд. перераб.- и доп.-М.:Статиспоэд,,1997.-200с.

40.Эддоус М., Стендсфилд Р. Методы принятия решений / Пер. с англ., под ред. И. И. Елисеевой. - М.: Банки и биржи, 1994,-198 с.

41.Экономика предприятия: Учебник / Под ред. проф. О.И. Волкова. – М.: ИНФРА-М, 1997. -416 с.
СОДЕРЖАНИЕ

Введение……………………………………………………………………………………………………….3

1.      Научные основы экономического прогнозирования………………………………..………………………3

1.1             Цели, задачи и виды прогнозов………………………………………………………………………………3

1.2             Системный подход к экономическому прогнозированию…………………………………………………...11

1.3             Инерционность экономических процессов как основа экономического прогнозирования………………..17
2.     Методы экономического прогнозирования………………………………………………………………….20

2.1              Классификация и область применения методов прогнозирования……………………………………..…20

2.2              Фактографические методы прогнозирования……………………………………………………………….24

2.3              Экспертные методы прогнозирования……………………………………………………………………….34

2.4              Комплексные системы прогнозирования……………………………………………………………………41

3.                     Проверка адекватности и средства верификации прогнозных моделей……………………………………45

4.                     Информационное обеспечение процесса прогнозирования………………………………………………..51

5.                     Организация и этапы разработки экономических прогнозов……………………………………………….61

6.                     Краткий словарь терминов……………………………………………………………………………………65
Литература…………………………………………………………………………………………………67
Приложения……………………………………………………………………………………………………70

Визуальный выбор формы взаимосвязи при поисковом моделировании

Приложение 2

Системы линейных уравнений

Для оценки параметров полиномов по МНК

Вид зависимости	Уравнение тренда	Система уравнений
Прямая
Гипербола
Парабола 2-го порядка
Парабола 3-го порядка
Показательная кривая (экспонента)
Степенная функция